티스토리

SLOG

검색하기

블로그 홈

SLOG

be-favorite.tistory.com/m

Review✍🏻 (모든 글은 PC 환경에 최적화 되어있습니다.)

구독자: 21

방명록 방문하기

주요 글 목록

[FPP3] 7.4 시계열 회귀모형의 유용한 예측변수 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 시계열 회귀모형에서 유용하게 쓰이는 예측변수(predictors)들을 소개하려고 합니다: 1 Trend 시계열 자료에 추세(trend)는 흔히 존재합니다. 선형 추세의 경우는 다음과 같이 $x_{1, t} = t$를 예측변수로 하여 손 쉽게 모형에 반영할 수 있습니다: \begin{equation} y_t = \beta_0 + \beta_1 t + \epsilon_t, \end{equation} 여기.. 공감수 0 댓글수 0 2021. 8. 25.
SIR과 SEIR 모형: 결정모형 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❓ More to read Tutorials on deterministic SIR models in R Introduction 본 글에서는 질병 확산 모델링에 쓰이는 구획 모형(compartment model)의 가장 기본형이라 할 수 있는 두 모형 SIR, SEIR 모형을 소개하려고 합니다. 두 모형은 감염병 모델링에서 가장 기본이 되며, 상대적으로 적은 양의 자료로 모형을 구성하기 쉬워 상당히 자.. 공감수 3 댓글수 0 2021. 7. 13.
의학 용어 정리 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 발생률 발생률(incidence rate or incidence)은 일정기간동안 한 인구 집단 내에서 어떤 질병이 새로 발한 환자의 수를 말합니다. 즉, 분자는 일정기간 동안 발생한 새로운 환자들의 수이고, 분모는 그 기간동안 발생될 위험에 노출되어 있는 사람 수에 해당합니다. 일반적으로 인구 10만명에 대한 1년간의 새 환자 수를 중심으로 발생률을 계산합니다. 유병률 유병률(prevalence ra.. 공감수 0 댓글수 0 2021. 6. 4.
반복측정 분산분석 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ Prerequisite 일원배치 분산분석 ❓ More to read Tutorials on repeated measures design in R Introduction 반복측정 분산분석(repeated measures ANOVA)은 반복측정 자료에 대한 모평균 비교를 수행하는 분석 방법입니다. 반복측정(repeated measurements)이란, 말 그대로 동일한 실험 단위(experimenta.. 공감수 3 댓글수 7 2021. 5. 11.
[FPP3] 1.1 시계열 자료의 예측 가능성에 대해 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 시계열 자료의 예측 가능성 세상에는 시간 순서로 관측된 수많은 시계열 자료가 존재하며, 시계열 자료에 관한 예측(forecasts)은 많은 상황에서 필요로 됩니다. 일부 시계열 자료는 상당히 예측하기 쉬운 것들도 있습니다. 예를 들어, 우리는 다음날 아침의 일출 시간은 정확하게 예측할 수 있습니다. 그러나, 단순히 시계열 자료라고 해서 무작정 시계열 예측 모형을 이용해 예측을 시도한다면, 좋지 못한 .. 공감수 0 댓글수 0 2021. 4. 30.
시계열 자료분석 패키지 소개: tidyverts ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com Introduction 시계열 자료분석을 tidyverse framework로 진행할 수 있게 해주는 패키지를 찾아헤맸고, 마침내 tidyverts라는 ecosystem을 찾아냈습니다. 사실 business-science에서 제공하는 {modeltime}, {timetk} 패키지와 고민했으나, business-science에서 제공하는 tidy한 포맷의 시계열 자료분석 ecosystem을 완전하게 이.. 공감수 0 댓글수 0 2021. 4. 15.
Distributed lag non-linear models ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ prerequisite ARIMA 모형 허구적 회귀 ARIMA 오차 회귀모형 Distributed lag models GLMs GAMs ❓ More to read Tutorials on distributed lag non-linear models in R Introduction 이번에는 DLNMs(distributed lag non-linear models, 이하 DLNMs)에 대해 소개해보려고 .. 공감수 0 댓글수 0 2021. 4. 2.
SIR 모형 소개: 전염병 유행 모델링 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com Introduction 전염병 유행의 모형화에 초석이 되는 대표적 모형 SIR(Susceptible-Infected-Removed) 모형에 대해 소개합니다. COVID-19로 인한 팬데믹 상황의 지속으로 COVID-19 일별 확진자에 대한 예측 모델링에 관심이 있는 분들이 많을거라 생각되는데, 전염병 확진자와 관련한 예측 모델링을 확진자의 수가 단순히 시간 순서로 관측된다고 하여 시계열 모형으로 모델.. 공감수 0 댓글수 0 2021. 3. 30.
여러개의 시계열 자료에 대한 분석 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com Introduction 여러 개의 시계열 자료에 대한 분석을 한데 모아 정리했습니다. 각 방법론의 이론적 소개와 R을 이용한 튜토리얼에 대한 링크를 모두 모아놨습니다. 자세한 사항은 제 깃허브 레포를 참고해주세요. 궁금한 사항이 있으시다면 언제든지 댓글 남겨주세요.😊 be-favorite/Multiple_timeseries 여러개의 시계열 자료에 대한 분석. Contribute to be-favori.. 공감수 0 댓글수 0 2021. 3. 30.
Count Time Series 분석에 대해 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 우리가 시계열 분석에서 배우는 대부분의 기법은 자료가 연속적인 표본 공간을 갖는다고 가정한채로 진행이 됩니다. 그러나, 실제 시계열 자료분석을 진행하다 보면 개수를 센 형태의 시계열 자료(이하 count time series)를 상당히 많이 접할 수 있습니다. 예를 들면, 어떤 매장의 일별 방문자 수 또는 일별로 기록된 광역철도의 역별 수송량 등과 같은 것들이 있겠죠. 이러한 시계열들은 count d.. 공감수 0 댓글수 0 2021. 3. 17.
Distributed lag models ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ prerequisite ARIMA 모형 허구적 회귀 ARIMA 오차 회귀모형 ❓ More to read Tutorials on distributed lag models in R 이번에는 여러 개의 시계열에 대한 분석방법 중 하나인 분포시차모형(distributed lag models, 이하 DLM)을 소개하려고 합니다. DLM은 모델링하고자 하는 시계열을 동시차의 여러 시계열들로 모형화하는 ARI.. 공감수 1 댓글수 0 2021. 3. 5.
ARIMA 오차 회귀모형 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ prerequisite ARIMA 모형 허구적 회귀 ❓ More to read Tutorials on regression with ARIMA errors in R: Still in Progress😓 이번에는 두 개 이상의 시계열에 대한 분석 방법 중 하나인 ARIMA 오차를 갖는 회귀모형에 대해 소개하려고 합니다. ARIMA 모형과 허구적 회귀에 대한 정리가 안되어있다면, 이 글을 읽기 전 꼭 p.. 공감수 2 댓글수 2 2021. 3. 5.
허구적 회귀 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 이번에 소개할 주제는 허구적 회귀(spurious regression)입니다. 허구적 회귀는 여러개의 시계열에 관한 모델링에 앞서 꼭 알아두어야 할 내용입니다. 시계열에서 허구적 회귀란, 실제로는 서로 독립적인 아무 관련이 없는 비정상 시계열 변수 간에 선형회귀모형의 적합 결과가 통계적으로 유의하게 나타나는 경우를 말합니다. 예를 들어, 서로 독립인 두 비정상 시계열이 모두 강한 계절성과 추세를 갖는.. 공감수 1 댓글수 0 2021. 3. 5.
Prophet 모형 소개 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com Introduction Facebook에서 제안한 단변량 시계열 예측모형 Prophet을 소개하려고 해요. 자세한 사항은 제 깃허브 저장소를 참고해주세요. 궁금한 사항이 있으시다면 언제든지 댓글을 남겨주세요.😊 be-favorite/Tutorial_prophet R 유저들을 위한 단변량 시계열 예측 모형 Prophet 소개. Contribute to be-favorite/Tutorial_prophet.. 공감수 0 댓글수 0 2021. 1. 20.
객체지향 프로그래밍 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com R은 객체지향(object-oriented) 프로그래밍 언어이다. R과 함께 data science에서 핫한 툴인 Python도 객체지향 프로그래밍 언어에 해당한다. 객체지향 프로그래밍은 프로그래밍 방법 중 하나를 일컫는 말로, 복잡한 문제를 잘게 나누어 객체(object)로 만들고, 객체를 조합하여 문제를 해결한다. 그래서, 객체지향 프로그래밍에는 클래스(class)와 메서드(method) 라는 개.. 공감수 0 댓글수 0 2021. 1. 20.
#10 중심극한정리의 의미 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 통계학에서 중심극한정리(Central Limit Theorem, CLT)가 중요한 이유와 그 의미에 대해 생각해보자. 먼저, 수식은 배제한채 중심극한정리를 정의해보면 다음과 같다: 평균이 $\mu$, 분산은 $\sigma^2$인 임의의 모집단 분포를 갖는 확률표본(random sample)들이 있을 때, 표본 크기 $n$이 충분히 크면($n \geq 30)$ 이 확률표본들의 표본평균 $\bar{X}$.. 공감수 1 댓글수 1 2021. 1. 10.
머신러닝 패키지 소개: {tidymodels} ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com Introduction R 유저들을 위한 머신러닝 패키지 {tidymodels}를 소개하려고 합니다. 자세한 사항은 제 깃허브 저장소를 참고해주세요. 궁금한 사항이 있으시다면 언제든지 댓글을 남겨주세요.😊 be-favorite/Tutorial_tidymodels R 유저들을 위한 머신러닝 패키지 {tidymodels} 소개. Contribute to be-favorite/Tutorial_tidymod.. 공감수 0 댓글수 6 2021. 1. 7.
#9 대립가설이 옳다? ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ Prerequisite 통계적 가설검정의 원리 If you're familiar with English, refer to here "대립가설이 옳다." "We can accept the alternative hypothesis." 결론부터 말하면, 통계적 가설검정을 통해 귀무가설을 기각시킬만한 충분한 증거를 얻었다고 해도 위와 같은 표현은 지양해야한다. 귀무가설을 기각시키는 결정을 하고나서, 위와.. 공감수 1 댓글수 0 2020. 12. 31.
계층적 시계열 분석 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 최근 데이터 수집과 저장 기술의 발전으로 계층 구조 또는 그룹화 구조를 갖는 많은 다중 시계열 자료를 접할 수 있게되었다. 이러한 자료의 각 계열을 단일 시계열 예측 모형(e.g. ARIMA 모형)을 이용해 각 계열을 예측하는 경우 예측값들이 계층 구조(또는 그룹화 구조)를 만족하지 않는 문제가 발생한다. 이러한 예측값에 계층적 시계열 예측 방법을 적용할 경우, 예측값들이 계층 구조를 만족할 뿐만아니.. 공감수 1 댓글수 0 2020. 10. 25.
Prophet 모형 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ❗ Prerequisite GAMs 시계열 평활법 ❓ More to read Tutorial on {prophet} for Korean R users Prophet 모형은 2018년 페이스북에서 제안한 시계열 예측모형이다. Prophet 모형은 시계열의 시간 종속적인 특성을 고려하는 기존의 시계열 모형(e.g. 지수평활법, ARIMA 모형)과 달리 curve-fitting으로 모형을 적합하며, 시계열.. 공감수 3 댓글수 0 2020. 7. 6.
ARIMA 모형 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisite 평활법 단일 시계열 자료에 대한 예측의 대표적인 통계적 모형이라고 할 수 있는 ARIMA 모형을 소개한다. 앞선 글에서 본 평활법과 달리 시계열 자료를 다루는 통계적 모형에는 가정이 필요로 되며, 그에따라 일반적 자료가 아닌 시계열 자료에 대해 통계적 모델링을 이해하기 위해서는 기초적인 개념에 대한 이해가 필요하다. ARIMA 모형을 소개하기 전에 갖고 있어야할 기본적 개념.. 공감수 2 댓글수 2 2020. 7. 2.
시계열 평활법 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 1. 기초 시계열(Time series)은 시간 순서로 측정된 모든 데이터로 볼 수 있다. 물론 이때 시계열 데이터는 고정된 시간 간격으로 측정되지 않았을 수도 있다. 시계열 자료는 추세(Trends, $m_t$), 계절(Seasonality, $s_t$), 불규칙(Random, $\epsilon_t$) 성분으로 구성되는데, 이러한 성분들은 합 또는 곱의 형태로 시계열에 영향을 미칠 수 있다. (1).. 공감수 2 댓글수 2 2020. 7. 1.
GAMs: Generalized additive models ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisites 선형 모형의 한계 다항 회귀와 계단 함수 Regression splines Smoothing splines Local regressions 앞서 단일 변수 $X$로 $y$를 예측하는 기저함수 기반의 여러가지 모델링 방법을 배웠다(prerequsities 참고). 이러한 방법들은 단순 선형회귀(Simple linear regression)의 비선형으로의 확장으로 여겨질 수 .. 공감수 1 댓글수 3 2020. 6. 22.
Local regressions ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisites 선형 모형의 한계 다항 회귀와 계단 함수 Regression splines Smoothing splines 국소 회귀(Local regressions)는 이제까지 봤던 splines처럼 flexible한 non-linear functions을 적합하는 것과는 조금 다른 접근으로, target point $x_0$ 근처의 관측치만을 이용하여(가까울수록 큰 가중치를 부여) 곡.. 공감수 1 댓글수 0 2020. 6. 10.
Smoothing splines ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisites 선형 모형의 한계 다항 회귀와 계단 함수 Regression splines Smoothing splines도 기저 함수(Basis functions)를 이용한 모델링 방식으로, 기저 함수로 polynomial function만을 이용하는 Regression splines와 달리 오차를 최소화하는 적절한 기저 함수를 찾아 $y_i$에 대한 예측을 수행한다. 목적 함수 관측된.. 공감수 0 댓글수 0 2020. 6. 9.
Regression splines ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisites 선형 모형의 한계 다항 회귀와 계단 함수 기저 함수(Basis functions)를 이용한 두 가지 모델링 방식을 소개한다. 먼저, 다항 회귀와 piecewise constant regression을 결합하여 더 유연한 적합 형태를 보여주는 piecewise polynomial regression을 소개하고, 여기서 더 나아가 제약을 통해 piecewise polynomi.. 공감수 1 댓글수 0 2020. 6. 8.
다항 회귀와 계단 함수 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 다항회귀(Polynomial regressions) $X$(predictors)와 $y$(response) 사이에 비선형 관계가 있을 때, 이에 대해 선형회귀를 확장하는 일반적인 방법은 다음과 같은 일반적인 선형 회귀모형(The standard linear regression model)에 다항 함수(polynomial function)를 씌워주는 것이다. $y_i = \beta_0 + \beta_1.. 공감수 0 댓글수 0 2020. 6. 8.
선형모형의 한계 ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com 선형 모형(Linear models)은 상대적으로 적용이 쉬우며 다른 어떤 접근 방법들보다 해석(Interpretation)과 추론(Inference)에 있어서 상당한 이점을 가진다. 그러나 GLMs(Generalized linear models)을 포함한 표준 선형 회귀(Standard linear regression)는 예측력에 있어서 명확한 한계가 존재한다. 그 이유는 선형성 가정(The lin.. 공감수 0 댓글수 0 2020. 6. 6.
GLMs: Generalized Linear Models ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com GLMs(Generalized Linear Models : 일반화 선형 모형)은 다중 선형 회귀(Multiple linear regression)의 일반화로 생각될 수 있다. GLMs의 자세한 소개 이전에, 먼저 GLMs의 motivation을 알아보기 위해 간단하게 선형 회귀모형(Linear regression models)에 대해 간략하게 요약을 한다. 선형 회귀모형 요약 일반적인 (다중) 선형 .. 공감수 1 댓글수 0 2020. 6. 6.
Penalized robust regression ❗️블로그 옮김: https://www.taemobang.com 방태모 안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계 www.taemobang.com ※ prerequisite 고차원 데이터에서 고전적인 회귀분석이 가지는 문제점 Ridge regression Lasso regression Bias reduction of Lasso estimator Variance reduction of Lasso estimator 최소제곱 손실함수를 기반으로 추정을 수행하는 선형 회귀(LSE)는 정규분포를 따르는 데이터에 적절하다. 그러나, 실제 데이터는 종종 많.. 공감수 0 댓글수 0 2020. 6. 2.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.