Publish to my blog (weekly)

• Learn TensorFlow: Linear Regression - DZone AI

  • 
  • features
  • input
  • ouput
  • target
  • a training example
  • A pair (xⁱ, yⁱ)
  • a training set
  • A list of m training examples {xⁱ, yⁱ; i = 1,…,m}
  • the space of input values
  • Y
  • X
  • the space of output values
  • a hypothesis or a model
  • h(x) is a good predictor for the corresponding value of y
  • A function h: X -> Y
  • When the target variable that we are trying to predict is continuous
  • a regression problem
  • When y takes on only a small number of discrete values,

  • a classification problem.

     

  • the w_i’s are the parameters (also called weights)
  • To simplicity, we also assume that x­₀ = 1 and our h(x) can look like this:
  • w and x both as vectors
  • how can we get the weights w?
  • o define a cost function that is used to compute error as the difference between predicted h(x) and the actual y.
  • We want to choose w so as to minimize costF(w).
  • To do this, we are going to use a gradient descent algorithm

• [Excel 활용 정석] 차트 종류와 상황별 용법 정리 : 네이버 포스트

  • 차트의 형태를 결정하기 전에 무슨 메시지를 전하고자 하는지를 분명히 해야 합니다.
  • 강조하려는 요점을 정했다면 이것을 5가지 비교 유형 중 어느 것에 해당하는지 확인합니다
  • (1) 구성 요소 비교
  • 각 부분의 크기를 전체의 백분율로 나타내는 것이 주된 목적입니다.
  • (2) 항목 비교
  • 비교 대상 항목들 간의 순위를 비교합니다.
  • (3) 시간 추이 비교
  • 전체 중에서 차지하는 비교가 아니라 대상이 시간에 따라 어떻게 변화하는지를 보여줍니다.
  • (4) 도수분포 비교
  • (5) 상관관계 비교
  • 변수들 간의 상관성을 비교합니다.
  • - 구성: 전체의 백분율
    - 항목: 항목의 순위
    - 시간 추이: 시간에 따른 변화
    - 도수분포: 범위에 포함되는 항목의 수
    - 상관관계: 변수 사이의 관계

• 데이터분석 종류에 따른 올바른 차트 타입 고르기

  • 1. 시간에 따른 트렌드
  • 시간에 따른 그 트렌드를 보여주기 위한 가장 좋은 시각화 중에 line 차트, area 차트, bar 차트들이 있다고 한다. 
  • 각 카테고리(각각의 다른 색깔 선)의 시간에 따른 트렌드와 카테고리들간의 차이점
  • 라인 차트
  • bar 차트는 각각의 달(Month)을 하나의 패턴
  • area 차트는 각 카테고리를 하나의 패턴
  • 2. 비교와 순위 매기기
  • 무언가를 비교하고 순위를 매길 때는 bar 차트를 쓰는 것이 좋은 방법이다
  • 3. 연관성(Correlation)
  • 두 대상들 사이의 관계를 알기 위해서는 산포도(scatter plot)
  • 4. 분포 (Distribution)
    
  • 분포 분석은 데이터 값들이 전체 범위들 사이에서 얼마나 퍼져있는지를 보여주는 방법
  • 5.  Part to Whole
    

  • 이 bar 차트의 데이터는 저 파이 차트를 사용한 그림의 데이터와 같다. 하지만 이 막대 차트를 보면, 30-39 그룹의 white collar job이 가장 많다는 것을 알 수 있다. 

  • 6.  Geographical Data

Posted from Diigo. The rest of my favorite links are here.