Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 그로스 마케팅
- 부트 스트래핑
- 인프런
- ARIMA
- 로그 변환
- 캐글 산탄데르 고객 만족 예측
- 분석 패널
- 데이터 핸들링
- ImageDateGenerator
- 마케팅 보다는 취준 강연 같다(?)
- DENSE_RANK()
- 컨브넷
- WITH ROLLUP
- sql
- Growth hacking
- 데이터 증식
- 리프 중심 트리 분할
- 3기가 마지막이라니..!
- splitlines
- 데이터 정합성
- python
- XGBoost
- 그로스 해킹
- WITH CUBE
- pmdarima
- 캐글 신용카드 사기 검출
- 그룹 연산
- lightgbm
- 스태킹 앙상블
- tableau
Archives
- Today
- Total
목록2024/05/01 (1)
LITTLE BY LITTLE
[3-1] 실무로 통하는 인과추론 with 파이썬 - 3장. 그래프 인과모델
목차3.1 인과관계에 대해 생각해보기 3.1.1 인과관계 시각화 3.1.2 컨설턴트 영입 여부 결정하기 3.2 그래프 모델 집중 훈련 3.2.1 사슬 구조 3.2.2 분기 구조 3.2.3 충돌부 구조 3.2.4 연관성 흐름 치트 시트 3.2.5 파이썬에서 그래프 쿼리하기 3.3 식별 재해석 3.4 조건부 독립성 가정과 보정 공식 3.5 양수성 가정 3.6 구체적인 식별 예제 3.7 교란 편향 3.7.1 대리 교란 요인 3.7.2 랜덤화 재해석 3.8 선택 편향 3.8.1 충돌부 조건부 설정 3.8.2 선택편향 보정 3.8.3 매개자 조건부 설정 3.9 요약3장에서는, 인과추론의 두 단계인 '식별'과 '추정' 중 더 어려운 식별 부분을 더 자세히 다룬다. 데이터로 매개변수를 추정하기 전 그래프 모델에 대한..
데이터 분석/인과추론
2024. 5. 1. 12:57