기초 통계학의 숨은 원리 이해하기

논문 : https://arxiv.org/abs/1606.03657 참고자료 http://jaejunyoo.blogspot.com/2017/03/infogan-1.html https://www.slideshare.net/ssuser06e0c5/infogan-interpretable-representation-learning-by-information-maximizing-generative-adversarial-nets-72268213

kernel과 design matrix 설명

누군가 강화 학습이 어렵다고 하던데, 이렇게 정리해 놓고 보면 그다지 어려울 것도 없다. 나는 이 글을 쓰는데 발표 3번 듣고, 한 3-4일(하루 4-5시간?) 관련 자료를 읽었다. 다음의 자료를 주로 참조했다. https://inst.eecs.berkeley.edu/~cs294-40/fa08/#lectures 물론 유명한 Sutton의 책도 있지만, 책은 너무 쓸데없이 길다. 내 지론은 "잘 정리된 핵심은 짧고, 간단하다." 사실 "강화학습"이 유망하다고 해서, 한 번 공부해 본 것인데, 누군가 나에게 1:1로 설명해 줬다면, 3시간도 안 걸릴 내용이다. 통계학 공부를 하면서도 느꼈던 것은, "음, 이런 식으로 써 놓고 나도 이해하라는 거야? 이런 식으로 통계학 책을 쓰는 것은 둘 중의 하나일 것이다...

LASSO와 Ridge 추정치의 비교: 왜 LASSO 추정치는 0이 더 잘 되는가?The comparison of LASSO and Ridge estimates: Why LASSO seem to be good at variable selection(parameter estimates are pulled to be 0).