사용자별 시각화 이용 내용(예시) 구분 사용자 이용 데이터 및 정보 스토리보드에서 데이터 표시 수준 이용 시나리오 내부 1. 임원 : CEO, CIO, CFO 등 판매 실적 데이터 회사 전체 : 상위 수준 데이터 임원은 OOO 에 대한 연도별 ~ 내부 2. 그룹별 관리자 - - - ~ ~ ~ ~ ~ 외부 7. 고객 구매 데이터 하위 수준 데이터(세부 항목) 사용자는 OOO 에 대한 구매 ~ ~ ~ ~ ~ ~

대푯값 · 주어진 자료를 대표하는 특정 값 · 어떤 값들의 집합의 적절한 특징을 나타내거나 요약한 것 · 통계 집단의 자료값 전체를 하나의 수치로 표현할 수 있는 값 · 자료의 중심적인 경향이나 자료 분포의 중심의 위치를 나타내는 지료 · 일반적으로 평균(Mean), 중앙값(중위수; Median), 최빈값(Mode)을 대푯값으로 사용합니다. http://bit.ly/2QyzD3p

수치형 데이터 vs 범주형 데이터

민감도(Sensitivity) & 특이도(Specificity) 예시 민감도(Sensitivity) 계산 지표 계산값 민감도(Sensitivity) = TPR 5/8=0.625 특이도(Specificity) = 1-FPR FPR: 2/7=0.2857 1-2/7=0.7143 특이도(Specificity) 계산 지표 계산값 민감도(Sensitivity) = TPR 5/8=0.625 특이도(Specificity) = 1-FPR FPR: 2/7=0.2857 1-2/7=0.7143

커널 함수 종류 대표적으로 다항 커널과 가우시안 커널이 있습니다. 구분 설명 다항 커널 · Polynomial Kernel · 입력의 모든 차원의 조합인 공간에서 내적을 계산한 것과 같은 결과를 반환합니다. · 한정된 공간에서 선형 구분하는 것 가우시안 커널 · Gaussian Kernel · ≒ 레이디얼 베이스 함수 커널(Radial Basis Function Kernel) · 무한 차원으로 데이터를 옮긴 뒤 그 곳에서 내적을 계산한 것과 같은 결과를 반환합니다. · 무한 차원에서 선형 구분하는 것

AUC (Area Under the ROC Curve)해석 · ROC 그래프의 밑부분 면적 · 1로 예측하는 기준을 쉽게 잡으면 민감도는 높아집니다↑. · 모든 경우를 1이라고 하므로 특이도가 낮아집니다↓. · 두 값이 모두 1에 가까워야 의미가 있습니다. · ROC 곡선을 그릴 때 특이도를 X축, 민감도를 Y축에 놓습니다. · x=0, y=1 이면 가장 최고의 성능을 나타내는 모형입니다. · 우측 아래로 갈수록 특이도의 감소↓ 속도와 민감도의 증가↑를 확인할 수 있습니다. · AUC가 0.5일 때 두 값의 합이 항상 1입니다. · AUC 값은 전체적인 민감도와 특이도의 상관 관계를 보여줍니다. · ROC 커브의 및 면적이 1에 가까울 수록(왼쪽 꼭짓점에 다가갈수록) 좋은 성능을 가집니다. · 보통 1-..