Kim min jae

“I keep the promises between Prof. and I”

Homework#12_General deep learning

<Excel>

netTrained.Layers(2).Weights

HW#11

HW#10

x1: temp - 해당 날의 평균 기온 (°C)

x2: rainfall - 해당 날에 기록된 총 강수량 (mm)

x3: windspeed - 해당 날의 평균 풍속 (m/s)

x4: humidity - 공기 중 습도를 백분율로 나타낸 값 (%)

x5: pressure - 해수면에서 측정한 대기압 (hPa)

x6: sunshine - 해당 날의 일조 시간 (시간)

x7: uvindex - 자외선 복사 강도를 나타내는 자외선 지수

x8: visibility - 가시거리, 시야가 확보된 거리

x9: cloudcover - 하늘을 덮고 있는 구름의 비율

x10: solarenergy - 지표면에 도달한 태양 복사 에너지

y1: realfeel - 체감 온도, 온도, 습도, 바람을 고려하여 사람이 실제로 느끼는 온도

y2: comfortindex - 날씨 조건에 따라 사람의 쾌적도를 점수화한 값 (0~10) (var 12)

y3: heatindex - 기온과 습도를 기반으로 계산된 더위 지수

y4: frostpoint - 공기 중의 수증기가 얼음으로 변하기 시작하는 온도

r(상관계수):

실제 데이터가 어떻게 만들어졌는지 모르더라도, 현재 데이터의 상관계수 값이 대다수 ±0.3 이하로 작은 크기를 나타냈습니다.

이는 두 변수 간의 관계가 약하거나 거의 없음을 의미합니다.

그리고 데이터 중 음의 상관관계가 가장 크게 나타난 것은 humidity(x4)와 solarenergy(x10)로, 상관계수는 -0.182입니다.

이 데이터에서 음의 상관관계가 나타난 이유는 다음과 같이 해석할 수 있습니다:

습도가 높은 날에는 구름량이 많아지고 태양 복사 에너지가 감소하기 때문일 가능성이 있습니다.

마찬가지로 양의 상관관계가 가장 크게 나타난 것은 temp(x1)와 humidity(x4)로, 상관계수는 0.276입니다.

이는 기온이 높을수록 공기 중에 포함된 수증기가 증가해 습도가 상승하기 때문으로 볼 수 있습니다.

p-값:

데이터가 우연히 발생할 확률입니다.

대부분의 변수 조합에서 p-value가 0.05 이하로 나왔으며, 이는 해당 상관관계가 통계적으로 유의미함을 의미합니다.

temp(x1)와 realfeel(y1)의 p-value는 0.045로, 이들의 관계는 통계적으로 유의미합니다.

windspeed(x3)와 realfeel(y1)의 p-value는 0.215로, 이는 우연히 발생한 관계일 가능성이 높습니다.

p-value가 높은 값이 나온 이유는 데이터의 일부에서 상관관계가 뚜렷하지 않기 때문입니다.

따라서, 상관계수뿐만 아니라 p-value도 함께 고려하여 데이터의 관계를 해석해야 합니다.

(HW#6)

(HW#5)

-Constraints-

-Code-

Homework#4

-Constraints-

-Code-

-

Homework#3(SCM)

-Problemsolvingprocess-

-Code-

Homework#1_Linear Programming