GUEST

  • 2018.10.10 10:21 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2018.10.04 14:06 ADDR 수정/삭제 답글

    비밀댓글입니다

    • BlogIcon 다크pgmr 2018.10.08 11:47 신고 수정/삭제

      안녕하세요. 파라미터 추정 방법에는 LS(최소자승법), M-estimator, RANSAC 등의 방법과 최적화기법(Gradient Descent 방법, 가우스뉴턴법, LM 방법) 등이 있습니다. 하지만, 어떤 것이 좋은 알고리즘이다라기 보다는 문제의 특성에 따라 적절한 방법을 선택하는 것이 중요합니다.
      데이터에 outlier가 없다면 LS를 사용하는 것이 가장 좋고, outlier가 있는 경우에는 M-estimator나 RANSAC과 같은 방법을 적용하면 됩니다. 그리고 LS를 사용할 경우에, fitting시키고자 하는 모델이 비선형 함수인 경우에는 직접 해를 구하기 어렵기 때문에 최적화기법(Gradient Descent 방법, 가우스뉴턴법, LM 방법)을 이용해서 근사해를 구합니다.
      질문자분이 LS로 추정이 잘 되는 경우도 있고 추정이 잘 되지 않는 경우도 있다고 하셨는데, 추정이 잘 되지 않는 경우 그 원인을 파악하는 것이 중요합니다. 데이터에 outlier가 포함되어서 추정이 안된 것이지, 아니면 데이터와 모델이 맞지 않아서 안된 것인지에 따라서 해결책이 달라집니다. outlier 때문이라면 M-estimator나 RANSAC과 같은 robust한 파라미터 추정 방법을 사용하고, 모델이 맞지 않은 경우라면 데이터에 맞게 모델을 변경해야 합니다. 데이터에 맞는 모델을 써야 한다는 말은 예를 들어 포물선으로 분포하는 데이터는 포물선(2차함수) 모델로 근사해야지 직선으로 근사하면 안된다는 뜻입니다.

  • 2018.09.07 17:22 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2018.08.13 17:02 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2018.07.25 15:24 ADDR 수정/삭제 답글

    비밀댓글입니다

    • BlogIcon 다크pgmr 2018.07.25 15:48 신고 수정/삭제

      안녕하세요. 초대장을 보내려면 이메일로만 가능합니다. 이메일 주소를 남겨주시면 초대장을 보내드리도록 하겠습니다.

    • dole540 2018.07.25 16:15 신고 수정/삭제

      감사합니다.
      이메일을 원본글에 추가 작성하였습니다. ^^