목차
개요
Experience ; 경험
Observation ; 관측
Outcome ; 결과
위 세가지는 ML 모델 제작을 위한 데이터 분석에 있어서 알아두어야할 개념 3요소이다.
이 개념을 잘 숙지해놓아야 데이터의 패턴과 관계를 이해하기에 쉬워지는데
본 3가지 요소들이 기준값(예:시간)에 따라 값이 달라지는 경우에 기준 별로 다양한 요인이 어떻게 행동과 결과에 영향을 미치는지 파악하기에 쉬워지고 좀 더 정확한 모델을 얻기위해 어떤 요소를 수정해야 하는지 쉽게 이해가능하다.
간단하게 알아보자.
Experience ; 경험
특정 상황이나 활동에 직접 참여하거나 노출되어 지식이나 기술을 습득하는 과정을 의미
통계에서 경험은 행동 추적, 상태 변화나 자연 환경 변화 모니터링과 같이 시간에 따른 데이터 수집을 의미한다.
Observation ; 관측
직접 측정하거나 기록을 통해 데이터를 수집하는 것을 의미
물리적 측정, 설문 조사 응답 또는 기타 형태의 데이터 수집 등을 포함하고 ML에 있어서는 통계 분석 및 모델링의 기반이 된다.
일반적으로는 통계학에서는 일반적으로 독립적으로 수집된 데이터를 의미하며 "data point" 또는 "sample point"으로도 불린다.
* Influenced by chance
우연에 의해 영향을 받을 수 있다는 뜻이다. 통계학에서는 종종 관측된 데이터가 체계적인 영향과 무작위 변동의 결과라고 가정한다.
예를 들어, 공정한 동전을 10번 던져서 6번이 앞면이 나오고 4번이 뒷면이 나온 경우 수리적인 확률은 5번이지만 이와같이 4번 혹은 3번 등이 나올 확률이 무시할 수 있을만큼 낮지 않다는것이 핵심 포인트다.
따라서 데이터 분석 시 체계적인 영향(수리적인)과 무작위 변동(동전이 4번 나올 확률) 모두를 고려하는 것이 중요하다.
추후에 ML에서는 가설 검정 및 신뢰 구간과 같은 통계적 방법을 사용하여 관측된 효과가 통계적으로 유의미한지 또는 우연에 의한 것인지 판단할 수 있다.
Outcome ; 결과
특정 이벤트 또는 액션의 결과물이나 결과
통계에서 결과는 발생 가능성이나 확률로 분석하며 단어 그대로 받아들이면 된다.
'Machine Learning' 카테고리의 다른 글
| Concept/ Unconstrained, constrained optimization 비구속/ 구속 제약 최적화 (0) | 2023.04.05 |
|---|---|
| Concept/ Decision Variable 결정변수 (0) | 2023.04.04 |
| Concept/ Objective Functions 목적함수 (단일/다중 목적 문제) (0) | 2023.04.04 |
| Concept/ Bayesian & Frequentist statistical approaches 베이지안&프리퀀티스트 접근 (0) | 2023.04.04 |
| ML 포스팅을 시작하며 (0) | 2023.04.04 |
