정리 노트

이 포스트는 아래의 책의 내용을 정리하며 작성한 포스트입니다. 여기서 사용되는 예시 또한 책의 예시를 사용합니다. 통계 101×데이터 분석 | 아베 마사토 - 교보문고 통계 101×데이터 분석 | product.kyobobook.co.kr 귀무가설과 대립가설은 서로 부정 관계에 있기 때문에 한 쪽이 옳다면 다른 쪽은 틀린 것이 됩니다. 따라서 진실은 귀무가설이 옳은 경우와 대립가설이 옳은 경우 2가지 패턴으로 나뉩니다. 그리고 p값을 계산해 유의 수준 $\alpha$와 비교해 대립가설을 지지할지 않을지 판단합니다. 여기서 귀무가설을 기각하는 것과 할수 없는 것 2가지 패턴으로 나뉩니다. 이를 합친 진실과 판단은 2 x 2 패턴입니다. 귀무가설이 옳음 대립가설이 옳음 귀무가설을 기각하지 않음 OK ..

이 포스트는 아래의 책의 내용을 정리하며 작성한 포스트입니다. 여기서 사용되는 예시 또한 책의 예시를 사용합니다. 통계 101×데이터 분석 | 아베 마사토 - 교보문고 통계 101×데이터 분석 | product.kyobobook.co.kr 이 포스트는 아래의 포스트의 내용에서 이어집니다. 가설 검정의 원리 이 포스트는 아래의 책의 내용을 정리하며 작성한 포스트입니다. 여기서 사용되는 예시 또한 책의 예시를 사용합니다. 통계 101×데이터 분석 | 아베 마사토 - 교보문고 통계 101×데이터 분석 | prod study-note-99.tistory.com 가설 검정의 구체적인 계산 요즘은 p-value를 직접 계산하지 않고 R 등의 통계 분석 소프트웨어에서 계산해 줍니다. 그래도 여기서는 개념을 더 이해하..

이 포스트는 아래의 포스트 내용과 이어집니다. 관계 데이터 연산 - 순수 관계 연산자 이 포스트는 아래의 포스트의 내용과 이어집니다. 관계 데이터 연산 - 집합 연산자 이 포스트는 국민대학교 소프트웨어학부 '데이터베이스' 강의를 듣고 요약하는 포스트입니다. 원하시는 정보 study-note-99.tistory.com Semi-join(⋉) R(X), S(Y)의 조인 속성을 X $\cap$ Y라고 할 때, S와 join 할 수 있는 R의 tuple들의 집합이 semi-join 연산의 결과입니다. 이를 S에서 R로의 semi-join이라 부릅니다. 이를 식으로 적으면 아래와 같습니다. $$ R ⋉ S = R \Join_{N} ( \Pi_{X \cap Y}(S) ) = \Pi_{X}(R \Join_{N..

이 포스트는 아래의 책의 내용을 정리하며 작성한 포스트입니다. 여기서 사용되는 예시 또한 책의 예시를 사용합니다. 통계 101×데이터 분석 | 아베 마사토 - 교보문고 통계 101×데이터 분석 | product.kyobobook.co.kr 가설 검정은 분석자가 가설을 검증하기 위한 방법으로 p값(p-value)을 계산해 가설을 지지하는지 여부를 결정합니다. 흔히 신약을 투여한 집단과 위약을 투여한 집단을 비교함으로써 신약의 효과를 검증하는 데이터 분석 예시를 많이 사용합니다. 그러니 여기도 이 예시를 사용하겠습니다. 저희는 "신약이 혈압을 낮추는데 효과가 있다"는 가설을 세우고 이야기를 진행합니다. 실험 데이터(최고 혈압(단위: mmHg))는 아래와 같다고 합시다. 신약 위약 142 145 132 130..

이 포스트는 아래의 포스트의 내용과 이어집니다. 관계 데이터 연산 - 집합 연산자 이 포스트는 국민대학교 소프트웨어학부 '데이터베이스' 강의를 듣고 요약하는 포스트입니다. 원하시는 정보가 없을 수도 있습니다. 이 점 유의 바랍니다. 오류 지적은 매우 환영합니다! 테이블 study-note-99.tistory.com 순수 관계 연산자 순수 관계 연산자에 대해 설명할 때 아래의 기호들을 사용하겠습니다. R : 릴레이션(테이블), R(X), X = {$A_1,...,A_n$} $\to$ R($A_1,...,A_n$) r : R의 tuple, r $\in$ R, r = $a_i$ : r의 속성 $A_i$의 값, r.$A_i$ = r[\(A_..

이 포스트는 아래의 책의 내용을 정리하며 작성한 포스트입니다. 여기서 사용되는 예시 또한 책의 예시를 사용합니다. 통계 101×데이터 분석 | 아베 마사토 - 교보문고 통계 101×데이터 분석 | product.kyobobook.co.kr 표본 오차 평균이 $\mu$인 모집단에서 표본을 얻는다고 합시다. 이 표본들의 평균을 계산해 모집단의 평균을 추측하려 합니다. 만약 이 표본 평균이 모평균과 같은 값을 가진다면 모집단을 알게 된다는 것입니다. 하지만 이럴 가능성은 거의 없습니다. 일반적으로 모평균과 표본 평균은 일치하지 않습니다. 이런 오차를 표본 오차(표집 오차, sampling error)라 합니다. 이러한 오차는 모집단에서 표본을 선택하는데 발생하는 피할 수 없는 오차입니다. 표본 오차는 ..

이 포스트는 국민대학교 소프트웨어학부 '데이터베이스' 강의를 듣고 요약하는 포스트입니다. 원하시는 정보가 없을 수도 있습니다. 이 점 유의 바랍니다. 오류 지적은 매우 환영합니다! 테이블(=relation)에 간에 할 수 있는 연산을 관계 데이터 연산이라고 합니다. SQL 언어는 거의 관계 대수에 기반을 두고 있습니다. 여기서 대수(대수학)는 수학의 한 분야로 수 대신에 문자를 쓰거나, 수학법칙을 간명하게 나타내는 것입니다. 대수학에서는 기본적으로 폐쇄 성질을 가져야 하므로 피연산자와 연산 결과가 모두 같은 타입(여기서는 테이블)이어야 합니다. 집합 연산자 관계 데이터 연산자들을 집합 연산자와 순수 관계 연산자, 확장된 관계 연산자로 나눠집니다. 이 중에서 집합 연산자는 일반적인 집합 연산(교집합, 합집..

KDD 프로세스는 데이터로부터 지식을 얻는 데이터 마이닝 프로세스로 머신 러닝이나 패턴 인식, 데이터베이스, 통계, 인공 지능, 데이터 시각화 등을 연구하는 사람들이 관심을 갖는 주제입니다. KDD의 9개의 프로세스 프로세스 과정을 9개의 프로세스 또는 5개의 단계로 설명할 수 있습니다. 여기서는 9개의 프로세스 과정으로 설명하겠습니다. 이해(비즈니스 도메인, 선수 지식 등) 목표 data set 생성(검색할 변수를 포함하는 하위 data set을 선택하는 것도 가능) 데이터 정제 및 전처리(noise 및 outlier 값 제거, 필요 정보만 추출, 결측치에 대한 처리 등) 데이터 차원 축소 데이터 마이닝 방법 결정(KDD 프로세스의 목적이 분류, 회귀, 군집화 아님 다른 것들 중 무엇인지 결정) 데이터..