본문 바로가기

전체 글

 (67)
[통계학의 기초] 통계적 가설 검정 - 귀무가설 / 대립가설 1. 통계적 가설 검정이란?- 주어진 자료가 특정 가설을 충분히 뒷받침하는지 여부를 결정하는 통계적 추론 방법 1) 귀무(영) 가설 (Null Hyphothesis)- 기존의 통념이라 일반적으로 표현하는 Default 2) 대립 가설 (Alternative Hyphothesis)- 새롭게 입증, 주장하고자 하는 것 → 우리의 목표는 대개 귀무 가설이 틀렸음을 데이터로 입증하는 것  기존 가설: '인스타카트를 이용하는 유저들은 주말에 조금 더 많은 수량의 상품을 구매할 것이다'⇩귀무가설: '인스타카트를 이용하는 유저들의 1회 상품 구매량은 주중과 주말에 차이가 없다'대립가설: '인스타카트를 이용하는 유저들의 1회 상품 구매량은 주중과 주말에 차이가 있다' 여기서 결과는 '귀무 가설을 기각한다' or '귀무..
🌱 프로젝트는 어려워...💦 - 기초 프로젝트 (Spotify 데이터셋) ▶️ 총평- '열심히 했으나 의미가 있었나' 싶은 한 주- '데이터 리터러시'의 중요성 🤓 배운 것- 문제 정의와 가설 설계의 중요성- 시각화 차트 꾸미는 법..- EDA로 문제 상황 파악하기 ✅ GOOD- 밥 먹으면서도 SQL 선택 세션 수강- Pandas 문법 익숙해지기 ❎ BAD- 만족스럽지 않은 프로젝트 결과물: 프로젝트 주제와 세부 목표 구체화 부족했음- 더 만족스럽지 못한 나의 실력 (기술적인 측면뿐 아닌 전체적인 분석가로서의 자질)  ❗️부족한 점은 학습 주차를 활용하자1️⃣ 데이터 리터러시- '데이터 문해력' 읽기- '데이터 분석가의 숫자유감' 읽기 2️⃣ SQL 총 복습⭐️⭐️⭐️- SQL 선택 세션 Basic/Challenge 복습하기- SQL 코드 카타 최소 5문제 복습하기 3️⃣ ..
[기초 프로젝트] 프로젝트 회고 ✅ 프로젝트 측면✔️프로젝트 기획 단계 ① 데이터셋 선택 및 전처리GOOD- 정제된 데이터라 EDA에 비교적 많은 시간을 투자할 수 있었음. BAD- 전처리가 거의 필요없는 아주 작은 데이터셋을 선택해 전처리 과정을 겪지 못한 점 아쉬움  ③ EDAGOOD- 컬럼 별 특성을 파악한 후에 범위를 나누어 EDA 진행  BAD- EDA 결과를 조금 더 정리한 후 가설 설계로 들어갔어야 할듯③ 가설 / 분석 모델 GOOD- [의문 → 가설 → 분석 결과 → 결론 → 액션 플랜 → 기대 효과] 하나의 플로우에 맞춰 분석 진행  BAD- 프로젝트 주제를 관통하는 일관성 있고 통일된 가설들은 아니었음. - 가설 설계 시 더 명확하고 구체적인 단어를 사용해아 함.  - 가설 별로 파트를 나눠 깊게 파고 들었으면 조금 ..

티스토리툴바