TPR vs FPR 예시 TPR 계산 지표 계산값 TPR(True Positive Rate) 5/8=0.625 FPR(False Positive Rate) 2/7=0.2857 FPR 계산 지표 계산값 TPR(True Positive Rate) 5/8=0.625 FPR(False Positive Rate) 2/7=0.2857

통계적 가설 검정(statistical hypothesis test)· 통계적 가설 검정은 통계적 추측의 하나로서, 모집단 실제의 값이 얼마가 된다는 주장(가설)과 관련해, 표본의 정보를 사용해서 가설의 합당성 여부를 판정하는 과정을 의미합니다.· 간단히 가설 검정(假說檢定)이라고 부르는 경우가 많습니다· 표본에서 얻은 정보를 통해 귀무가설과 대립가설 중 어떠한 가설이 옳고 그른지를 판단하는 방법입니다.· 가설 검정에서는 귀무가설, 대립가설, p-value가 사용됩니다. http://bit.ly/2AwdDAB

가설 검정(Hypothesis Testing) · ≒ 통계적 가설 검정(statistical hypothesis testing) · 데이터 뒤에 숨어있는 확률 변수의 분포와 모수에 대한 가설의 진위를 정량적으로 증명하는 작업입니다. · 가설(hypothesis)을 증명하는 행위를 통계적 가설 검정(statistical hypothesis testing) 줄여서 검정(testing)이라고 합니다. · 모집단에 대한 어떤 가설을 설정한 뒤에 표본관찰을 통해 그 가설의 채택여부를 결정하는 분석방법입니다. · 가설검정에서 가장 기본적인 사항은 검정하고자 하는 모집단의 모수에 대한 가설 설정입니다. · 가설(hypothesis)는 항상 귀무가설(Null hypothesis, H0)과 대립가설(Alternative..

정보 시각화 방법 현재 가장 많이 사용되고 있는 차트와 그래프들을 시각화 방법별로 구분한 것입니다.

게슈탈트 원리(The Gestalt Principles of Visual Perception) 구현방식 설명 강조하고 디테일을 보여주는 방식 마우스 움직임에 따라 반응하며 강조되도록 구현하는 방식입니다. 사용자가 콘텐츠를 선택하는 방식 데이터 변환 컨트롤을 이용하여 사용자가 필요한 데이터를 선택하여 시각화할 수 있게 하는 방식입니다. 사용자에 의한 시각 맵핑 변화 방식 사용자가 시각화 유형을 지정할 수 있도록 시각 데이터 재맵핑을 지원하여 시각화 크기를 극대화하는 방식입니다. 사용자 관점과 의견이 반영되는 방식 사용자의 주관적인 관점과 데이터 표현을 혼합하여 시각화하는 방식으로 사용자 반응 프로세스가 가장 중요한 부분입니다. https://codedragon.tistory.com/9934

모델의 복잡성에 따른 오류 발생 빈도· 모델의 복잡성이 높을수록 훈련 데이터에 대해서는 오류가 적어집니다.· 실제 데이터에 대해서 일정 수준 이상의 복잡성은 오류를 증가시킵니다.· 그러므로 정확한 모델을 생성하기 위해서는 복잡성을 적절한 수준으로 유지할 필요가 있습니다.· Let model simpler by giving more bias and less variance· 적절한 복잡성 수준이 넘어간 것은 과적합으로 볼 수 있습니다.