Uid: 20231152

Name: Hyeon Jun Jin

“I will keep promises between the prof. Lee and I”

HW12

• weight

• Code

HW11

HW10

- data

출처: kaggle, Tutorial: Clustering wines with k-means(Wine.csv)

독립 변수 설명

Malic_Acid: 와인에 포함된 말산(Malic Acid)의 양.

Ash: 와인에서 측정된 재(Ash)의 양.

Ash_Alcanity: 재의 알칼리도(Ash Alkalinity) 값.

Magnesium: 와인에 포함된 마그네슘의 농도.

Total_Phenols: 와인에 포함된 총 폴리페놀(Total Phenols) 함량.

Flavanoids: 와인에서 발견되는 플라보노이드(Flavanoids) 함량.

Nonflavanoid_Phenols: 플라보노이드가 아닌 페놀(Non-flavonoid Phenols) 함량.

Proanthocyanins: 와인의 프로안토시아닌(Proanthocyanins) 함량.

Hue: 와인의 색조(Hue).

OD280: 파장 280nm에서의 흡광도(주로 폴리페놀 측정).

Customer_Segment: 고객 세그먼트(와인의 분류 또는 유형).

종속 변수 설명

Color_Intensity: 와인의 색 강도(Color Intensity).

Alcohol: 와인에 포함된 알코올 비율 (%).

Proline: 와인에 포함된 프롤린(Proline, 아미노산) 함량.

- 피어슨 상관계수수

- r값

- p값

- 분석

r값

강한 상관관계:

• Total_Phenols ↔ Flavanoids (r = 0.8646):

• 총 폴리페놀(Total_Phenols)과 플라보노이드(Flavanoids) 간에 강한 양의 상관관계가 있음. 이는 화학적 특성이 서로 밀접하게 연관되어 있다는 것을 나타남.

• Flavanoids ↔ Color_Intensity (r = 0.7872):

• 플라보노이드 함량(Flavanoids)이 색 강도(Color_Intensity)에 큰 영향을 미치는 것으로 보임.

• OD280 ↔ Proline (r = 0.6437):

• 와인의 흡광도(OD280)와 프롤린 함량(Proline) 사이에도 비교적 강한 양의 상관관계가 있음.

음의 상관관계:

• Color_Intensity ↔ Nonflavanoid_Phenols (r = -0.5033):

• 색 강도와 비플라보노이드 페놀(Nonflavanoid_Phenols) 간에는 중간 정도의 음의 상관관계가 나타남. 이는 색이 강할수록 비플라보노이드 함량이 적다는 것을 의미할 수 있음.

• Hue ↔ Malic_Acid (r = -0.5613):

• 색조(Hue)와 사과산(Malic_Acid) 간에는 강한 음의 상관관계가 있어, 산도가 높을수록 색조가 낮아지는 경향을 보임

약한 상관관계:

• Ash ↔ Malic_Acid (r = 0.1640):

• 재(Ash)와 사과산 간의 상관관계는 매우 약하며, 거의 독립 적임.

• Alcohol ↔ Hue (r = -0.0717):

• 알코올 농도와 색조(Hue)도 상관관계가 거의 없는 것으로 보임

특이한 관계:

• 대부분의 변수는 알코올 농도(Alcohol)와 상관관계가 약하거나 거의 없음(최대 |r| ≈ 0.29).
• 재의 알칼리도(Ash_Alcanity)는 대부분의 변수와 약한 음의 상관관계를 보임.

p값

대부분의 상관관계는 (p < 0.05)를 만족하므로 유의미함.

유의미하지 않은 상관관계 (p ≥ 0.05)를 가진 변수가 존재함.

• Ash ↔ Proanthocyanins (p = 0.8983): 재와 프로안토시아닌 간의 상관관계는 유의미하지 않음.
• Magnesium ↔ Hue (p = 0.4627): 마그네슘과 색조 간의 상관관계는 유의미하지 않음.
• OD280 ↔ Alcohol (p = 0.3372): 흡광도와 알코올 간의 상관관계는 유의미하지 않음.

- 스피어만 상관계수

- r값

- p값

- 분석

스피어만 상관계수는 두 변수 간의 비선형 관계를 측정하는 순위 기반 상관계수를 의미함

강한 양의 상관관계:

Total_Phenols와 Flavanoids, Flavanoids와 Proanthocyanins의 관계는 매우 강한 양의 상관관계를 보입니다. 이는 이들 변수들이 밀접하게 연관되어 있음.

강한 음의 상관관계:

Malic_Acid와 Proanthocyanins, Ash_Alcanity와 Flavanoids 간의 강한 음의 상관관계는 두 변수들이 반비례 관계에 있다는 것을 나타냄

많은 관계들이 스피어만 상관계수에서는 유의미 하지 않다고 함.
그중 1에 가장 가장 가까운 5개의 관계만 분석해 보면 다음과 같음

Ash ↔ Hue (p = 0.9209)

• Ash와 Hue 간의 관계는 유의하지 않음. 이 두 변수 사이의 상관관계는 통계적으로 유의미하지 않음.

Ash ↔ Proanthocyanins (p = 0.7466)

• Ash와 Proanthocyanins 간의 관계는 유의하지 않음. 두 변수는 독립적으로 해석할 수 있음.

Ash ↔ Hue (p = 0.5059)

• Ash와 Hue 간의 관계는 통계적으로 유의미하지 않음. 따라서 이들 변수 간의 상호작용은 무시 가능.

Hue ↔ Proanthocyanins (p = 0.6324)

• Hue와 Proanthocyanins 간의 관계는 유의하지 않음. 두 변수 간에는 상관관계가 낮음.

Ash ↔ Flavanoids (p = 0.5695)

• Ash와 Flavanoids 간의 관계는 유의하지 않음. 이 두 변수는 독립적으로 고려할 수 있음.

- code

HW9

• weight 값

• 7행 예측값

HW8

objective

s.t

• result

first generation

second generation

• code

HW7

Reinforcement Learning

cost 

result

Min cost  = 2765

solution

reinforcement learning의 한계점

1. 실제 demand는 고정되어 있지 않고 시간에 따라 변화한다. 그러나 RL로 문제를 풀기 위해서는 미래에 대한 수요를 고정시킨 후 계산을 하게 되어 정확한 결과를 얻을 수 없다.
2. 재고와 생산을 할 수 있는 범위가 제한되어 있다. 즉, 연속형 데이터이다.
3. cost를 나타내는 변수가 2로만 표현되어 있지만 실제로는 더 많고 그렇게 되면 table로 표현되지 않는다.
4. 비용에 관한 함수를 정확하게 계산할 수 없기 때문에 정확한 결과를 얻기 힘들다.
5. table이 커지면 커질수록 계산량이 기하급수적으로 많아진다.

HW6

HW5

Max

HW4

Objective function

HW3

제품명: Elantra N

HW2

Objectives

Constraints

Result

 Coding