양측 검정 vs 단측 검정· 양측 검정과 단측 검정에 따라 추후 유의 확률(p-value)을 구하는 방법이 달라지게 됩니다.· 귀무 가설과 대립 가설이 반드시 서로 여집합(complement)의 관계에 있을 필요는 없습니다. 양측검정(two-tailed testing) 단측검정(one-tailed testing)

확률의 조건· = 콜모고로프의 공리(Kolmogorov's axioms)· 일반적으로 확률은 표본공간의 부분집합에 실수값을 지정한 것으로 다음과 같은 세가지 조건을 만족합니다.· 확률 P는 함수이고 세가지 규칙을 준수해야 합니다.

K-평균 클러스터링 절차

createDataPartition() · {caret} 패키지의 함수입니다. · 데이터를 훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list로 반환합니다. 인자 설명 y 분류(또는 레이블) times=1 생성할 분할의 수 p=0.5 훈련 데이터에서 사용할 데이터의 비율 list=TRUE 결과를 리스트로 반환할지 여부 > # 종에 관련된 데이터로 구성 > # 훈련 데이터와 테스트 데이터로 분할하여 훈련 데이터로 사용할 데이터의 색인을 list로 반환 > # 비율은 p=0.7로 70%로 지정 > ss > ss $Resample1 [1] 1 3 4 5 6 7 10 11 12 14 15 16 17 19 20 21 [17] 23 24 25 27 29 31 32 33 34 36 ..

평활(smoothing) 데이터 집합에 존재하는 잡음으로 인해 거칠게 분포된 데이터를 매끄럽게 만드는 방법입니다.

R 코드 예시 - 데이터 분할{caret} Package로 createDataPartition()함수를 사용하여 iris data를 Species 기준으로 70%는 훈련용 데이터로 나머지 30%는 검증용 데이터로 데이터셋을 분할하고 검증하는 R Code 예시입니다.