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 |
- sql
- WITH ROLLUP
- WITH CUBE
- 그로스 해킹
- python
- ARIMA
- 데이터 정합성
- pmdarima
- tableau
- 마케팅 보다는 취준 강연 같다(?)
- 로그 변환
- 데이터 핸들링
- 3기가 마지막이라니..!
- 인프런
- 분석 패널
- XGBoost
- 그룹 연산
- 그로스 마케팅
- ImageDateGenerator
- 캐글 산탄데르 고객 만족 예측
- 리프 중심 트리 분할
- lightgbm
- Growth hacking
- splitlines
- DENSE_RANK()
- 캐글 신용카드 사기 검출
- 컨브넷
- 데이터 증식
- 부트 스트래핑
- 스태킹 앙상블
- Today
- Total
목록2024/07 (2)
LITTLE BY LITTLE
목차 Part 5. 대안적 실험 설계 11.1 불응 11.2 잠재적 결과 확장 11.3 도구변수 식별 가정 11.4 1단계 11.5 2단계 11.6 2단계 최소제곱법 11.7 표준오차 11.8 통제변수와 도구변수 추가 11.8.1 2SLS 직접 구현 11.8.2 행렬 구현 11.9 불연속 설계 11.9.1 불연속 설계 가정 11.9.2 처치 의도 효과 11.9.3 도구변수 추정값 11.9.4 밀도 불연속 테스트 11.10 요약11장. 불응과 도구변수서비스의 영향을 추론하기 어려운 이유는, 서비스를 고객이 '선택'하는 경우가 많기 때문이다.참여 여부는 고객의 선택에 달려있음제공 여부를 무작위로 결정하더라도, 고객에게 이를 받아들이도록 강요할 수는 없다.이를 '불응'이라 하며, 처치를 배정받은 모든 사람이 ..
목차 Part 5. 대안적 실험 설계 10.1 지역 실험 10.2 통제집단합성법 설계 10.2.1 무작위로 실험군 선택하기 10.2.2 무작위 탐색 10.3 스위치백 실험 10.3.1 시퀀스의 잠재적 결과 10.3.2 이월 효과의 차수 추정 10.3.3 디자인 기반의 추정 10.3.4 최적의 스위치백 설계 10.3.5 강건한 분산 10.4 요약 마케팅 효과를 추론하는 것이 어려운 이유 중 하나는 사람들을 무작위로 배정할 수 없기 때문이다. 한 가지 좋은 대안은 도시나 주와 같은 전체 대상을 실험군으로 하고, 다른 시장은 대조군으로 남겨두는 지역 실험을 수행하는 것 4부에서 배운 기법을 적용할 수 있는 패널데이터를 바탕으로 하며, 다루지 않았던 최적의 실험군과 대조군의 선정에 대해 배운다. 만약 전체 시장..