강릉에서 닭볶음탕으로 유명한 정아네 맛집에 다녀왔어요

2시쯤 갔는데 밖에서 30분 정도 기다렸어요ㅠㅠ
역시 인기있는 맛집에서 웨이팅은 필수인가봐요

들어와서 닭도리탕을 시키면 이때부터 다시 인내의 시간이~~
미리 안만들고 주문받고 만드시는 지 조금 시간이 오래 걸립니다...ㅎ
2~30분??뭔가 한국같지 않은 느긋한 분위기랄까요

내부 풍경은 맛있게 드시는 분들과 그 모습을 넉놓고 보고있는 분들...두 모습밖엔 기억에 안남네요 ㅎㅎ
아..담근술이 있었는데 그건 안파시는 거겠죠....?

기본 반찬은 요렇게~돼있어요

옆에서 맛있게 먹는 모습과 냄새, 소리에 지쳐갈 때 쯤..드뎌 나왔어요 도리도리 닭도리탕!

살아있는 낙지를 넣어주시구요~~

국물을 앞접시에 담고 적셔먹는다는 느낌으로 드시면 됩니다
은은한 한약재 맛이 일품이에요

먹으면 먹을수록 건강해지는 기분이가 들어요

양도 푸짐해서 너무 좋았어요

먹다보니 기다리는 사람들이 점점 늘었고 저희가 다 먹고 나올 때 쯤엔 다 팔아서 이제 더 이상 손님안받는다고 선언하셨어요...!!

혹시 너무 늦게 가면 못드실수도 있으니까 조금은 일찍 가셔야할 것 같습니다ㅎ
강릉에는 유독 완판 집들이 많은 것 같네요

닭볶음탕을 다 먹으면 필수코스인 칼국수를 먹어야겠죠??
한약재맛이 이 때쯤이면 점점 진해져 면에 그 맛이 스며들어 정말 맛있었어요
배는 부른데...계속 들어가는 그런 맛??ㅋ

마지막은 언제나 진리의 볶음밥입니다

볶음밥은 언제 어디서 먹어도 맛있는 것 같아요ㅋㅋ

뭔가 상대적으로 느린 것빼고는 만족스러운 맛집이었습니다
저처럼 성격급하신분들은 답답하실 수도 있겠지만...한번밖에 가보지 않은터라..그 날만 느릿느릿했을 수 도 있으니~이 글 보신 분들이 확인하고 말씀해주시면 좋을 것 같아요 ㅋㅋㅋ


특허받은 차돌삼합의 맛집 진대감에 다녀왔어요

고소영, 장동건 단골 맛집이라 그러던데..여러 연예인분들이 맛있어서 자주 찾는 곳이래요ㅋㅋ

진대감 메뉴에요

메뉴가 메뉴니만큼 큰맘먹고 가야할 곳이긴 하지만...
비슷한 식당 중에서는 보통이거나 저렴한 편인 것 같아요!

저희는 차돌삼합을 시켰고요~~
기본세팅은 아래처럼 신김치 갓김치 명이나물 마늘쫑 부추 깻잎 소금장이에요
차돌삼합은 차돌박이와 키조개, 그리고 갓김치를 포함한 기본세팅의 조합이에요

식당 아주머니께서 직접 구워주시면서 어떻게 먹는 지 계속 설명해주신답니다^^

시작은 차돌과 키조개를 기름장에 찍어 먹습니다

두번째는 부추무침과 함께

세번째는 오마이 갓김치

네번째는 뭘까요 ㅋㅋㅋ
들었는데...분명 아는 건데 이름이 생각이 안나요ㅠㅠㅠ

다섯번째는 마늘쫑~

여섯번째는 명이나물에 부추무침을 얹어서 먹습니다

마지막으로 키조개 날개를 주셨는데 이건 계절한정이래요
관리가 힘들어 쉽게 상할 수 있어 여름에는 안 주신답니다

숨 좀 돌리며 식당 구경하고~

볶음밥을 달려봅시다~~~!!

끝~

용어정리

P(C) : C가 발생할 확률

P(C|E) : 'E가 있을 확률' 또는 'E 조건 하에서 C가 발생할 확률' → 조건부 확률

결합학률 : 확률 p(A)와 p(B)를 알고 있을 때, A와 B 사건 모두 일어날 확률 → P(AB)

사후확률 : 증거를 확인한 후의 확률


 


베이즈규칙


위 식에서 B는 가설(Hypothesis) A는 증거(Evidence)라고 하면


분류에 사용하는 베이즈 규칙


p(C=c) : 계층의 사전 확률로서 어떤 증거를 확인하기 전에 계층에 할당하는 확률

p(E|C=c) : 표본을 c 계층으로 분류한 후에 증거 E의 특징을 볼 수 있는 가능성

p(E) : 증거가 나타날 가능성


E를  특징벡터로 생각 후 바로 적용하기 위해서는 를 계산하여 P(E|c)를 알아내야 합니다.


조건부 독립과 나이브 베이즈


A와 B가 C에 대해 조건부 독립적이라고 가정하면 (무조건 독립을 가정하는 경우보다 약한 가정)

분류에 사용하는 베이즈 규칙을 가져와서 생각해보면 나이브 베이즈 방정식을 생성할 수 있습니다.


여기서 P(E)는 계산할 필요가 없는 경우가 많습니다.


분류문제인 경우, 모든 c 계층 중에서 어느 계층에 대한 P(C|E)가 가장 큰지만 알면 되기 때문입니다. 이 경우에는 E는 모든 계층에 동일하므로 어느 계층의 분자가 큰지만 알면 됩니다.

또한, 실제 확률을 추정할 경우, E는 , 둘 중에 하나만 속하며 이므로 위 식을 베이즈 방정식에 대입하면


나이브 베이즈의 장점


나이브 베이즈는 간단한 분류자이기도 하지만 증거를 나타내는 특징 벡터를 계산에 모두 포함시킬 수 있기 때문에 저장 공간과 계산 시간 측면에서 매우 효율적입니다. 또한 독립성 가정이 잘못된 경우에도 분류 성능이 크게 떨어지지 않습니다. 마지막으로 점진자 학습자로서 새로운 훈련 데이터를 추가될 때 과거에 학습했던 사례는 다시 학습할 필요가 없습니다.


향상도 모델


향상도를 

라 정의하면

로 나타낼 수 있습니다.


2017/06/17 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.9 좋은 모델은 무엇인가?(비용과 효과)

2017/06/12 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.8 좋은 모델은 무엇인가?(기댓값)

2017/06/10 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.7 좋은 모델은 무엇인가?(분류자평가)

2017/06/07 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.6 유사도

2017/06/03 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.5 과적합화

2017/05/28 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.4 데이터에 대한 모델 적합화(수학 함수를 이용한 회귀분석과 로지스틱 회귀분석)

2017/05/27 - [Cyong's 마케팅/Data Science] - [Data Science] Ch.3 데이터에 대한 모델 적합화(수학 함수를 통한 분류)

2017/05/24 - [Cyong's 마케팅/Data Science] - [Data Science] Ch2. 트리구조모델

2017/03/25 - [Cyong's 마케팅/Data Science] - [Data Science] Ch1. 예측모델링_정보전달하는 속성 찾아내기


+ Recent posts