내가 했던 분석들을 나열하고 그 내용과 거기서 배운 것을 정리해보자.
1. 엘포인트
- 금액, 카운트 등의 데이터는 대부분 Right skewed 이고, 로그 변환이 유용
2. 다변량, 농구 데이터 분석
- 집계된 데이터일수록 정규성에 근접, 예측또한 평균에 근접( 분산이 작아짐)
3. 세스, 개인화 추천알고리즘
- 추천알고리즘
4. 비만과 커피 분석
- 로짓 모형의 제약 조건
- 회귀분석에서 f검정의 의미
- 데이터가 가지는 산포의 의미
5. 통화수요예측
- 오버피팅
- 미래에 대한 수요 예측
- dynamic regression
- categorical variable
1. 엘포인트
- 금액, 카운트 등의 데이터는 대부분 Right skewed 이고, 로그 변환이 유용
2. 다변량, 농구 데이터 분석
- 집계된 데이터일수록 정규성에 근접, 예측또한 평균에 근접( 분산이 작아짐)
3. 세스, 개인화 추천알고리즘
- 추천알고리즘
4. 비만과 커피 분석
- 로짓 모형의 제약 조건
- 회귀분석에서 f검정의 의미
- 데이터가 가지는 산포의 의미
5. 통화수요예측
- 오버피팅
- 미래에 대한 수요 예측
- dynamic regression
- categorical variable
'분석' 카테고리의 다른 글
파이썬을 활용한 업무자동화 (0) | 2020.06.02 |
---|---|
파이썬 이미지 OCR (0) | 2020.05.10 |
[spark] 스파크 공부하기 (0) | 2020.02.13 |
Erlang (0) | 2019.04.04 |
[R] 데이터 불러오기 오류_line 1 did not have 41 elements (0) | 2018.10.21 |