Submit Search
Upload
10 predictionsystem - pptx
โข
0 likes
โข
509 views
Kyungsuk Song
Follow
10 predictionsystem - pptx
Read less
Read more
Technology
Report
Share
Report
Share
1 of 16
Recommended
Predictive Maintenance for Oil and Gas
Predictive Maintenance for Oil and Gas
Helen Fisher
ย
Go-to-market services for IoT
Go-to-market services for IoT
IoTAnalytics
ย
Predictive Maintenance with R
Predictive Maintenance with R
eoda GmbH
ย
์ค์ ์ ์กฐ๊ธฐ์ ๋ณด๊ธ์ฉ ํ๊ตญํ ์ค๋งํธ๊ณต์ฅ ํ๋ซํผ ๊ตฌ์ถ ๋ฐ ์๋ฒ์ ์ฉ
์ค์ ์ ์กฐ๊ธฐ์ ๋ณด๊ธ์ฉ ํ๊ตญํ ์ค๋งํธ๊ณต์ฅ ํ๋ซํผ ๊ตฌ์ถ ๋ฐ ์๋ฒ์ ์ฉ
S.K. Cha of ACS in Korea
ย
Predictive maintenance
Predictive maintenance
James Shearer
ย
The neighbourhood-and-giving-directions
The neighbourhood-and-giving-directions
hugooxx
ย
La transition รฉnergรฉtique au Royaume-Uni
La transition รฉnergรฉtique au Royaume-Uni
The Shift Project
ย
Perturbaciones en el efecto Casimir
Perturbaciones en el efecto Casimir
Pedro Morales
ย
Recommended
Predictive Maintenance for Oil and Gas
Predictive Maintenance for Oil and Gas
Helen Fisher
ย
Go-to-market services for IoT
Go-to-market services for IoT
IoTAnalytics
ย
Predictive Maintenance with R
Predictive Maintenance with R
eoda GmbH
ย
์ค์ ์ ์กฐ๊ธฐ์ ๋ณด๊ธ์ฉ ํ๊ตญํ ์ค๋งํธ๊ณต์ฅ ํ๋ซํผ ๊ตฌ์ถ ๋ฐ ์๋ฒ์ ์ฉ
์ค์ ์ ์กฐ๊ธฐ์ ๋ณด๊ธ์ฉ ํ๊ตญํ ์ค๋งํธ๊ณต์ฅ ํ๋ซํผ ๊ตฌ์ถ ๋ฐ ์๋ฒ์ ์ฉ
S.K. Cha of ACS in Korea
ย
Predictive maintenance
Predictive maintenance
James Shearer
ย
The neighbourhood-and-giving-directions
The neighbourhood-and-giving-directions
hugooxx
ย
La transition รฉnergรฉtique au Royaume-Uni
La transition รฉnergรฉtique au Royaume-Uni
The Shift Project
ย
Perturbaciones en el efecto Casimir
Perturbaciones en el efecto Casimir
Pedro Morales
ย
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
Nicole Allen
ย
Eb aug11
Eb aug11
Mayuri Pitale
ย
Ziua Pedagogului
Ziua Pedagogului
Adela Negura
ย
Dimple bawri oct 11
Dimple bawri oct 11
Mayuri Pitale
ย
Intro to n screen-rev
Intro to n screen-rev
Youn Sang Jang
ย
Filosofia 1
Filosofia 1
checho995
ย
USGBC CO Southern Branch
USGBC CO Southern Branch
Zachary Collins
ย
Gadgets(autosaved)
Gadgets(autosaved)
Tushar Upadhyay
ย
Tp12 1
Tp12 1
SantiSchutte
ย
Proyecto de vida
Proyecto de vida
Crix Paspuel Chiriboga
ย
Radio Sua Voz
Radio Sua Voz
Daniel_Cajobi
ย
Pricing by Preston McAfee
Pricing by Preston McAfee
Gene Chuang
ย
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
Nicole Allen
ย
Learning is Open #UWdtl
Learning is Open #UWdtl
Nicole Allen
ย
Penn State #OERSummit16 Keynote
Penn State #OERSummit16 Keynote
Nicole Allen
ย
Hun bgali ariunsanaa
Hun bgali ariunsanaa
tsendeehuu
ย
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
Tae Young Lee
ย
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
Juhui Park
ย
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
Sunghyun Roh
ย
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
์ฐฌํฌ ์ด
ย
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
TIMEGATE
ย
Spark Day 2017 Machine Learning & Deep Learning With Spark
Spark Day 2017 Machine Learning & Deep Learning With Spark
SangHoon Lee
ย
More Related Content
Viewers also liked
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
Nicole Allen
ย
Eb aug11
Eb aug11
Mayuri Pitale
ย
Ziua Pedagogului
Ziua Pedagogului
Adela Negura
ย
Dimple bawri oct 11
Dimple bawri oct 11
Mayuri Pitale
ย
Intro to n screen-rev
Intro to n screen-rev
Youn Sang Jang
ย
Filosofia 1
Filosofia 1
checho995
ย
USGBC CO Southern Branch
USGBC CO Southern Branch
Zachary Collins
ย
Gadgets(autosaved)
Gadgets(autosaved)
Tushar Upadhyay
ย
Tp12 1
Tp12 1
SantiSchutte
ย
Proyecto de vida
Proyecto de vida
Crix Paspuel Chiriboga
ย
Radio Sua Voz
Radio Sua Voz
Daniel_Cajobi
ย
Pricing by Preston McAfee
Pricing by Preston McAfee
Gene Chuang
ย
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
Nicole Allen
ย
Learning is Open #UWdtl
Learning is Open #UWdtl
Nicole Allen
ย
Penn State #OERSummit16 Keynote
Penn State #OERSummit16 Keynote
Nicole Allen
ย
Hun bgali ariunsanaa
Hun bgali ariunsanaa
tsendeehuu
ย
Viewers also liked
(16)
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
2012-02-15 Building Student Advocacy for OER (Connexions Conference)
ย
Eb aug11
Eb aug11
ย
Ziua Pedagogului
Ziua Pedagogului
ย
Dimple bawri oct 11
Dimple bawri oct 11
ย
Intro to n screen-rev
Intro to n screen-rev
ย
Filosofia 1
Filosofia 1
ย
USGBC CO Southern Branch
USGBC CO Southern Branch
ย
Gadgets(autosaved)
Gadgets(autosaved)
ย
Tp12 1
Tp12 1
ย
Proyecto de vida
Proyecto de vida
ย
Radio Sua Voz
Radio Sua Voz
ย
Pricing by Preston McAfee
Pricing by Preston McAfee
ย
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
Open Ed Advocacy: Ideas That Work (Tacoma CC, 7 Nov 2014)
ย
Learning is Open #UWdtl
Learning is Open #UWdtl
ย
Penn State #OERSummit16 Keynote
Penn State #OERSummit16 Keynote
ย
Hun bgali ariunsanaa
Hun bgali ariunsanaa
ย
Similar to 10 predictionsystem - pptx
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
Tae Young Lee
ย
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
Juhui Park
ย
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
Sunghyun Roh
ย
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
์ฐฌํฌ ์ด
ย
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
TIMEGATE
ย
Spark Day 2017 Machine Learning & Deep Learning With Spark
Spark Day 2017 Machine Learning & Deep Learning With Spark
SangHoon Lee
ย
Similar to 10 predictionsystem - pptx
(6)
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
แแ ฅแทแแ ขแจแแ ฆแซแแ ตแซแแ ฆ แแ ฅแจแแ ญแผแแ ฌแซ แแ ตแธแ แ ฅแแ ตแผ แแ ฉแแ ฆแฏ แแ กแผแแ ฅแธแ แ ฉแซ
ย
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
แแ กแฏแแ ญแแ กแ แ ญ 11แแ กแผ
ย
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
์ํดํ ์คํฐ๋ Ormแแ ณแซ แแ ฅแแ ฅแแแ ฆ แแ ขแจแแ ฆแ แ ณแฏ แแ ขแแ ตแผแแ กแฏแแ ก
ย
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
PySpark ๋ฐฐ์ฐ๊ธฐ Ch 06. ML ํจํค์ง ์๊ฐํ๊ธฐ
ย
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
UiPath์ Python ML(Machine Learning) ๋ชจ๋ธ ์ฐ๋
ย
Spark Day 2017 Machine Learning & Deep Learning With Spark
Spark Day 2017 Machine Learning & Deep Learning With Spark
ย
10 predictionsystem - pptx
1.
Predictive System Kyungseok, Song
2.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
๊ต์ฌํ์ต (Supervised Learning) โ ํ๋ จ ๋ฐ์ดํฐ(Training Data) ๋ก ๋ถํฐ ํ๋์ ํจ์๋ฅผ ์ ์ถํด ๋ด๊ธฐ ์ํ ๊ธฐ๊ณํ์ต(Machine Learning)์ ํ ๋ฐฉ๋ฒ ๏ ์์ธก๋ชจ๋ธ โ ์ฐ์ํ : ๋ถ๋ฅ(calssification) โ ์ด์ฐํ : ํ๊ท๋ถ์(regression) ๏ ์์ ๋ฅผ ํตํ ๊ฒฐ์ ํธ๋ฆฌ ๋ฐฐ์ฐ๊ธฐ โ ์ค์ฒฉ๋ if-then ํ์์ ๋ชจ๋ธ๋ง
3.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
์ ๋ณด ์ํธ๋กํผ(information entropy) โ ๊ฐ์ ๋ถํฌ์ ๊ด๋ จ๋ ๋ฌด์ง์ ์ ๋ ์ธก์ .
4.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
Dateset
5.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
๋ช๋ฒ์ ๋ถํ ์ ๊ฑฐ์น๋ฉดโฆ
6.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
๋์ด๋ธ ๋ฒ ์ด์ง์ธ ๋ถ๋ฅ๊ธฐ โ simple probabilistic classification
7.
๋ถ๋ฅ์ ๋ํ ๊ธฐ์ด ๏
๋ฒ ์ด์ง์ธ ๋คํธ์ํฌ(๋ฏฟ์ ๋คํธ์ํฌ ๋๋ ํ๋ฅ ์ ๋คํธ์ํฌ) โ ๋์ด๋ธ ๋ฒ ์ด์ง์ธ ๋ถ์ ๋ฐฉ๋ฒ์ ๊ทธ๋ํฝ ํํ.
8.
์ธ์นด API๋ฅผ ํ์ฉํ
๋ธ๋ก๊ทธ ๊ธ ๋ถ๋ฅ ๏ Diagram
9.
์ธ์นด API๋ฅผ ํ์ฉํ
๋ธ๋ก๊ทธ ๊ธ ๋ถ๋ฅ ๏ ๋ธ๋ก๊ทธ ๊ธ์ ๋ถ๋ฅํ๊ธฐ ์ํ ๋ฐ์ดํฐ์ ๋น๋ โ ํ ๊ทธ์ ๊ณผ ๊ด๋ จ๋ ๋ธ๋ก๊ทธ ๊ธ์ ๊ฐ์ ธ์จ๋ค (๊ด์ฌํ๊ทธ, ๊ด์ฌ์๋ํ๊ทธ๋ก ์ด๋ฃจ์ด์ ธ ์๋ค) โ ๋ธ๋ก๊ทธ ๊ธ์ ํ์ฑํ์ฌ ํ ๋ฒกํฐ๋ก ๋ง๋ ๋ค.ํ ๋ฒกํฐ๋ ๊ด์ฌ์ฌ๋ถ๋ฅผ ์๋ฏธํ๋ ์์ธก ๊ฐ๊ณผ ์ฐ๊ด. โ ๊ฐ ํ ๋ฒกํฐ๋ฅผ ์ธ์นด Instance ๊ฐ์ฒด๋ก ๋ณํํ๋ค. ์ด๋ฐ Instance ๊ฐ์ฒด๊ฐ ๋ชจ์ฌ์ ๋ฐ์ดํฐ์ ์ ๊ตฌ์ฑํ๋ฉฐ, ์ด๋ Instances ๊ฐ์ฒด๋ก ํํ๋๋ค. โ ๋ช ๋ชฉํ ์์ฑ์ธ ํ๊ทธ๋, ๋ธ๋ก๊ทธ ๊ธ์ ํ๊ทธ๊ฐ ์กด์ฌํ๋ฉด ๊ฐ์ด ์ฐธ์ด๊ณ , ์กด์ฌํ์ง ์์ผ๋ฉด ๊ฐ์ด boolean ์์์ผ๋ก ๊ฐ ํ๊ทธ๋ฅผ ๋ณํ
10.
์ธ์นด API๋ฅผ ํ์ฉํ
๋ธ๋ก๊ทธ ๊ธ ๋ถ๋ฅ ๏ ๋ถ๋ฅ๊ธฐ ํด๋์ค ๊ตฌ์ถ
11.
ํ๊ท ๋ถ์์ ๊ธฐ์ด ๏
์ ํ ํ๊ท ๋ถ์ โ Y=aX+b ๏ ์ฌ์ฐ์ ๋ง์ด ๋ณด์ ํ ์ฌ์ฉ์์ ๋ฐ์ดํฐ ๏ ํ๊ท๋ถ์์ ์ฌ์ฉํ ๊ฒฐ๊ณผ
12.
์ธ์นด๋ฅผ ์ฌ์ฉํ ํ๊ท
๋ถ์ ๏ Codesโฆ.
13.
JDM์ ์ฌ์ฉํ ๋ถ๋ฅ์
ํ๊ท ๋ถ์ ๏ ์ฃผ์ JDM ๊ต์ฌ ํ์ต ๊ด๋ จ ํด๋์ค
14.
JDM์ ์ฌ์ฉํ ๋ถ๋ฅ์
ํ๊ท ๋ถ์ ๏ ์ฃผ์ JDM ๊ต์ฌ ํ์ต ๊ด๋ จ ํด๋์ค
15.
JDM์ ์ฌ์ฉํ ๋ถ๋ฅ์
ํ๊ท ๋ถ์ ๏ ์ฃผ์ JDM ๊ต์ฌ ํ์ต ๊ด๋ จ ํด๋์ค
16.
JDM์ ์ฌ์ฉํ ๋ถ๋ฅ์
ํ๊ท ๋ถ์ ๏ JDM API๋ฅผ ์ด์ฉํ ๊ต์ฌ ํ์ต ์ค์ โ ๋ถ๋ฅ ์ค์ ๊ฐ์ฒด ์์ฑ โ JDM API๋ฅผ ์ด์ฉํ ๋ถ๋ฅ ํ์คํฌ ์์ฑ โ JDM API๋ฅผ ์ด์ฉํ ๋ถ๋ฅ ํ์คํฌ ์คํ โ JDM API๋ฅผ ์ด์ฉํ ๋ถ๋ฅ ๋ชจ๋ธ ๊ฐ์ ธ์ค๊ธฐ โ JDM API๋ฅผ ์ด์ฉํ ๋ชจ๋ธ ํ ์คํธ
Editor's Notes
๊ต์ฌํ์ต(์ง๋ํ์ต)Supervised Learning์ ํ๋ จ ๋ฐ์ดํฐ(Training Data)๋ก๋ถํฐ ํ๋์ ํจ์๋ฅผ ์ ์ถํด๋ด๊ธฐ ์ํ ๊ธฐ๊ณํ์ต(Machine Learning)์ ํ ๋ฐฉ๋ฒ์ด๋ค. ํ๋ จ ๋ฐ์ดํฐ๋ ์ผ๋ฐ์ ์ผ๋ก ์ ๋ ฅ ๊ฐ์ฒด์ ๋ํ ์์ฑ์ ๋ฒกํฐ ํํ๋ก ํฌํจํ๊ณ ์์ผ๋ฉฐ ๊ฐ๊ฐ์ ๋ฒกํฐ์ ๋ํด ์ํ๋ ๊ฒฐ๊ณผ๊ฐ ๋ฌด์์ธ์ง ํ์๋์ด ์๋ค. ์ด๋ ๊ฒ ์ ์ถ๋ ํจ์ ์ค ์ฐ์์ ์ธ ๊ฐ์ ์ถ๋ ฅํ๋ ๊ฒ์ ํ๊ท๋ถ์(Regression)์ด๋ผ ํ๊ณ ์ฃผ์ด์ง ์ ๋ ฅ ๋ฒกํฐ๊ฐ ์ด๋ค ์ข ๋ฅ์ ๊ฐ์ธ์ง ํ์ํ๋ ๊ฒ์ ๋ถ๋ฅ(Classification)๋ผ ํ๋ค.- ์ง๋ ํ์ต๊ธฐ(Supervised Learner)๊ฐ ํ๋ ์์ ์ ํ๋ จ ๋ฐ์ดํฐ๋ก๋ถํฐ ์ฃผ์ด์ง ๋ฐ์ดํฐ์ ๋ํด ์์ธกํ๊ณ ์ ํ๋ ๊ฐ์ ์ฌ๋ฐ๋ก ์ถ์ธกํด๋ด๋ ๊ฒ์ด๋ค. ์ด ๋ชฉํ๋ฅผ ๋ฌ์ฑํ๊ธฐ ์ํด์๋ ํ์ต๊ธฐ๊ฐ โ์๋ง์โ ๋ฐฉ๋ฒ์ ํตํ์ฌ ๊ธฐ์กด์ ํ๋ จ ๋ฐ์ดํฐ๋ก๋ถํฐ ๋ํ๋์ง ์๋ ์ํฉ๊น์ง๋ ์ผ๋ฐํํ์ฌ ์ฒ๋ฆฌํ ์ ์์ด์ผ ํ๋ค. ์ฌ๋๊ณผ ๋๋ฌผ์ ๋์ํ๋ ์ฌ๋ฆฌํ์ผ๋ก๋ ๊ฐ๋ ํ์ต(Concept Learning)์ ์๋ก ๋ค ์ ์๋ค.- Supervised Learning์์ด์ฉํ์๊ณ ๋ฆฌ์ฆ. ์ํฌํธ ๋ฒกํฐ ๋จธ์ (support vector machine). ์๋ ๋ง๋ฅด์ฝํ ๋ชจ๋ธ(Hidden Markov model). ํ๊ท ๋ถ์(Regression). ์ ๊ฒฝ๋ง(Neural network). ๋์ด๋ธ ๋ฉ์ด์ฆ ๋ถ๋ฅ(Naรฏve Bayes Classification)์์ธก๋ชจ๋ธ์ ์ฌ์ฉํ ๋๋ ํ์ต, ์ํ๋ฆฌ์ผ์ด์ ์ 2๋จ๊ณ๊ฐ ์์ต๋๋ค.- ํ์ต๋จ๊ณ์์๋ ์ ๋ ฅ๊ณผ ์ถ๋ ฅ ์์ฑ์ ๊ฐ์ง ๋ฐ์ดํฐ ์ ์ด ์ฃผ์ด์ง๊ณ , ๊ทธ ๋ฐ์ดํฐ ์ ์ ๊ธฐ๋ฐ์ผ๋ก ์ํ์ ์ธ ๋ชจ๋ธ์ ๋น๋ํฉ๋๋ค.- ์ ํ๋ฆฌ์ผ์ด์ ์์ ๋ฌด์ธ๊ฐ๋ฅผ ์์ธกํ ๋๋ ์ด ์ํ ๋ชจ๋ธ์ ์ด์ฉํฉ๋๋ค.=๏จ ์๋์ ์ผ๋ก ์ ํ๋ฆฌ์ผ์ด์ ์์ ์์ธก์ ๋น ๋ฅด๊ธฐ๋๋ฌธ์ ์ค์๊ฐ ์์ธก์ ์ ์ฉ์ด ๊ฐ๋ฅํฉ๋๋ค. ๋ฐ๋๋ก ํ์ต๋จ๊ณ์์๋ ๋๋ฆฌ๊ธฐ๋๋ฌธ์ ๋น๋๊ธฐ์ ์ธ ์ํ์ด ํ์ํฉ๋๋ค.-
๋์ด๋ธ ๋ฒ ์ด์ง์ธ ๋ถ๋ฅ๊ธฐ๋จ์ํ ํ๋ฅ ์ ๋ถ๋ฅ๋ฒ ์ด๋ผ๊ณ ํฉ๋๋ค. ํ๋ฅ ๋ชจ๋ธ์ ๋ฒ ์ด์ง์ ์ ๋ฆฌ(http://www.aistudy.com/math/bayes_theorem.htm)์์ ์ ๋ ๋์๊ณ , ํต์ฌ์ ์ธ ๋ด์ฉ์ ์๋ก์ด ์ ๋ณด๋ฅผ ์ด์ฉํ์ฌ ์ ์ง์ ์ผ๋ก ํ๋ฅ ์ ๊ฐ์ ์์ ์ด ์ด๋ฃจ์ด ์ง๋ค๊ณ ํฉ๋๋ค.
Bayesian network ๋๋ Bayesian belief network ๋ ๋ณ์๋ฅผ ํํํ๋ ๋ ธ๋ (node) ์ ๋ณ์๋ค ๊ฐ์ ์์กด๊ด๊ณ๋ฅผ ํํํ๋ ํธ (arc) ์ ๋ฐฉํฅ์ฑ ๋น์ํ ๊ทธ๋ํ (directed acyclic graph) ์ด๋ค. ๋ ธ๋ A ์์ ๋ ธ๋ B ๊น์ง์ ํธ๊ฐ ์๋ค๋ฉด A ๋ B ์ parent ๋ผ๊ณ ๋ถ๋ฅธ๋ค. ๋ ธ๋๊ฐ ๊ฐ์ด ์ฃผ์ด์ ธ ์๋ค๋ฉด evidence node ๋ผ๊ณ ๋ถ๋ฅธ๋ค. ํ๋์ ๋ ธ๋๋ ์ธก์ ๊ฐ, ์ธ์, ์จ๊ฒจ์ง (latent)ย ๋ณ์, ๊ฐ์ค ๋ฑ์ ์ด๋ค ์ข ๋ฅ์ ๋ณ์์ผ ์๋ ์๋ค. ๋ ธ๋๋ ์์์ ๋ณ์๋ฅผ ํํํ๋๋ฐ ์ ์ฝ์ด ์๋ค ; ์ด๊ฒ์ดย Bayesian network ์ ๋ํด์ "Bayesian" ์ด๋ผ๋ ๊ฒ์ด๋ค (Nodes are not restricted to representing random variables; this is what is "Bayesian" about a Bayesian network).
WEKABlogClassfier ํด๋์ค๋ฅผ ์์ํ์ฌ ์ธ์นด ํ์นด ํ๊ท ๋ถ์ API๋ค์ ํธ์ถํ๋ WEKABlogPredictor ํด๋์ค๋ฅผ ๋ง๋ญ๋๋ค.
WEKAPredictiveBlogDataSetCreatorImpl ์ ๊ตฌํ์ ์ค๋ช ํ๋ ํํธ ์ ๋๋ค.
ํ๊ท๋ถ์X,Y ๋ผ๋ ๋ ๋ณ์๊ฐ ์์๋, ์๊ด๋ถ์์ ํตํด์ Y~X ๊ฐ ์๋ก ์๊ด๊ด๊ณ๊ฐ ์์์ ์ ์ ์์ต๋๋ค.์ฌ๊ธฐ์ ๋ ๋์๊ฐ Y=aX+b ๋ผ๋ ๋ฐฉ์ ์์ ์ป์ ์ ์์ผ๋ฉด,X๋ผ๋ ๋ณ์๋ก Y์ ๊ฐ์ ์์ธกํ ์ ์๊ฒ ๋ฉ๋๋ค.์ด๋ฐ ๋ฐฉ์ ์์ ํ๊ท๋ฐฉ์ ์์ด๋ผ๊ณ ํ๋ฉฐ, ์ด๋ฐ ๊ณผ์ ์ ํ๊ท ๋ถ์์ด๋ผ๊ณ ํฉ๋๋ค.
WEKABlogClassifier ํด๋์ค๋ฅผ ์์๋ฐ์ ๊ฐ๋ฐํ๋ค.์ฐ์ํ ์์ฑ์ ๊ฐ์ง Instance๋ฅผ ์์ฑํด์ผ ํ๋ค.