buillee buillee

전체 글

• neural network과 deep learning 패키지

  R 2017. 11. 11. 10:29

  # Neural network packagesnnet neuralnet RSNNS # Deep learning packages deepnet darch h2o

  Read More
• shiny의 예제들

  R/shiny 2017. 11. 10. 23:13

  install.packages("shiny")library(shiny)shiny::runExample("01_hello") shiny::runExample("02_text") shiny::runExample("03_reactivity") shiny::runExample("04_mpg") shiny::runExample("05_sliders") shiny::runExample("06_tabsets") shiny::runExample("07_widgets") shiny::runExample("08_html") shiny::runExample("09_upload") shiny::runExample("10_download") shiny::runExample("11_timer")

  Read More
• neuralnet 패키지를 이용한 신경망모형 적합

  R 2017. 11. 10. 21:16

  install.packages("neuralnet")library(neuralnet) data(infert) infert.nnet

  Read More
• mathplot : expression()

  R 2017. 11. 7. 23:23

  그래프 위에 수식을 표현하기 위해서는 expression()함수를 사용하면 된다. plot(cars$speed, cars$dist) text(10, 115, labels = expression(list[i] == beta[0] + beta[1]%*%speed[i] + epsilon[i])) [참고] http://vis.supstat.com/2013/04/mathematical-annotation-in-r/

  Read More
• pch : point character

  R 2017. 11. 5. 22:54

  Read More
• Structure of Graphic Device

  R 2017. 11. 5. 21:11

  1. Outer margin area : 1~42. Figure region 3. Margin : 1~4 4. Plot region [출처] R을 활용한 데이터시각화, 유충현/홍성학 지음, 인사이트, p 26

  Read More
• R Graphics

  R 2017. 11. 5. 18:36

  1. R Graphic DevicesWindows : Window()Mac OS : QuartzUnix/Linux : x11, X11 2. Graphic Filepdfpostscriptxfigbitmappictexcairo_pdfcairo_pssvgpngjpegbmptff 3. Low level plotspoints()lines()rect()polygon()text()title()regend()axis()etc 4. High level plotsbarplot()pie()hist()boxplot()plot()pairs()ggplot2, lattice packageetc 5. External application interfacesGoogle EarthArcGISetc 6. External graphic d..

  Read More
• 그리드월드와 큐러닝

  Keras 2017. 10. 31. 17:31

  1. Monte-Carlo Prediction다이나믹 프로그래밍에서 강화학습으로 넘어가는 가장 기본적인 아이디어는 몬테카를로 예측입니다. 몬테카를로 예측은 기댓값을 샘플링을 통한 평균으로 대체하는 기법입니다. 몬테카를로 예측에서는 에피소드를 하나 진행하고 에피소드 동안 지나온 상태의 반환값을 구합니다. 이 반환값은 하나의 샘플이 되어서 각 상태의 가치함수를 업데이트합니다. 2. Temporal-Difference Control 시간차 예측에서는 몬테카를로 예측과는 달리 타임스템마다 큐함수를 업데이트합니다. 시간차 예측에서는 벨만 기대 방정식을 이용해 큐함수를 업데이트합니다. 3. SARSA 강화학습 제어에서 행동을 선택할 때 e-탐욕 정책을 사용하는데, 가치함수를 사용하면 환경의 모델을 알아야 하기 때문..

  Read More