Practice makes perfect

지도학습(Supervised Learning) – 인간 개입에 의한 분석 방법 – 종속 변수(y) 존재 : 입력 데이터에 정답 포함 – 분석 방법 : 가설검정(확률/통계) → 인문.사회.심리 계열(300년) – 분석 유형 : 회귀분석, 분류분석, 시계열 분석 → 추론통계 기반 분류분석(Decision Tree) : 다수의 속성(attribute) 또는 변수를 갖는 객체를 사전에 정해진 그룹 또는 범주(class, category) 중의 하나로 분류하여 분석하는 방법입니다. - 의사결정나무 (Decision Tree) : 분류 모델링에 의해서 만들어진 규칙(rule)를 나무 모양으로 그리는 방법으로, 의사결정이 이뤄지는 시점과 성과를 한눈에 볼 수 있습니다. 의사결정나무(Decision Tree) 활용 -..

1. 이벤트 연결1 on() : 이벤트 연결 사용 형태 1) $(selector).on(eventName, function(event){ }); click - 마우스 click시 이벤트 연결 ( 함수 호출 ) click 할 때, ' + ' 가 추가 되어 출력 사용 형태 2) $(selector).on(object); mouseenter : 마우스가 해당 태그 안으로 들어가는 순간 이벤트 수행 - 마우스가 들어가는 순간 reverse 추가 mouseleave : 마우스가 해당 태그를 벗어나는 순간 이벤트 수행 - 마우스가 벗어나는 순간 reverse 제거 - 마우스가 태그에 들어갔을 때 - 마우스가 태그에 벗어났을 때 2. 이벤트 연결2 hover():mouseenter 이벤트..

지도학습(Supervised Learning) – 인간 개입에 의한 분석 방법 – 종속 변수(y) 존재 : 입력 데이터에 정답 포함 – 분석 방법 : 가설검정(확률/통계) → 인문.사회.심리 계열(300년) – 분석 유형 : 회귀분석, 분류분석, 시계열 분석 → 추론통계 기반 회귀분석(Regression Analysis) - 인과 관계 : 여러 자료들 간의 관계성을 수학적으로 추정, 설명한다. 흔히들 통계학의 꽃이라고 합니다. 독립변인이 종속변인에 영향을 미치는지 알아보고자 할 때 실시하는 분석 방법입니다. 선형 회귀법, 로지스틱 회귀법이 대표적이며, 로지스틱 회귀법을 앙상블했다는 관점으로 보면 인공신경망도 여기에 해당한다고 합니다. 선형 회귀법은 지도학습의 회귀문제를 푸는 데에 쓰이고(새로운 값의 예측..

머신러닝(Machine Learning) : 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구로 인공지능의 한 분야로 간주합니다. 또한 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야입니다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있습니다. - 머신러닝 에서의 일반화는 훈련 이후 새롭게 들어온 데이터를 정확히 처리할 수 있는 능력을 말하기도 합니다. 알고리즘의 유형 ① 지도 학습(Supervised Learning) : 사람이 교사로서 각각의 입력(x)에 대해 레이블(y)을 달아놓은 데이터를 컴퓨터에 주면 컴퓨터가 그것을 학습하는 것 입니다. 사람이 직접 개입하므로 정확도가 높은 데이터를 사용할 수 있다는 장점이 있지만, 대신에 사람이..

상관관계 분석(Correlation Analysis) - 관련성 : 변수 간 관련성 분석 방법으로 하나의 변수가 다른 변수와 관련성 분석하는 방법입니다. ex) 광고비와 매출액 사이의 관련성 등 분석 * 상관분석 자세한 설명 더보기 확률론과 통계학에서 두 변수간에 어떤 선형적 관계를 갖고 있는 지를 분석하는 방법이다. 두변수는 서로 독립적인 관계로부터 서로 상관된 관계일 수 있으며, 이때 두 변수간의 관계의 강도를 상관관계(Correlation, Correlation coefficient)라 한다. 상관분석에서는 상관관계의 정도를 나타내는 단위로 모상관계수 ρ를 사용한다. 상관관계의 정도를 파악하는 상관계수(Correlation coefficient)는 두 변수간의 연관된 정도를 나타낼 뿐 인과관계를 설..

1. 문서 객체의 클래스 속성 추가 - addClass() : 문서 객체의 클래스 속성을 추가 예제1. 매개변수에 문자열 입력 - 추가적인 변화를 주고 싶을 때 사용. 예제2. 매개변수에 함수 입력 2. 문서 객체의 클래스 속성 제거 - removeClass(): 문서 객체의 클래스 속성을 제거. - 여러 개의 클래스 속성 중 선택적으로 제거. 3. 문서 객체의 속성 검사 -attr(): 속성과 관련된 모든 기능 수행, 첫번째 문서 객체의 속성 출력. 4. 문서 객체의 스타일 검사 css(): 스타일과 관련된 모든 기능을 수행 5. 문서 객체의 내부 검사 - 기존 자바스크립트에서 문서 객체의 innerHTML 속성과 관련된 jQuery 메서드 1)..

요인분석(Factor Analysis) - 예측분석 : 여러개의 서로 관련이 있는 변수들로 측정된 자료에서 그 변수들을 설명할 수 있는 새로운 공통변수를 파악하는 통계적 분석방법입니다. 유사성을 띈 데이터의 축약을 목적으로 하는 분석방법이라고 할 수 있습니다. ● 요인분석의 특징 1) 다수의 변수들을 대상으로 변수들 간의 관계 분석(타당성 분석) 2) 공통 차원으로 축약하는 통계기법(변수 축소) - 데이터 축소 - 유사성을 가진 데이터들을 하나로 묶음. ● 요인분석의 종류(개입의 여부로 나눔) 1) 탐색적 요인분석 : 요인분석을 할 때 사전에 어떤 변수들끼리 묶어야 한다는 전제를 두지 않고 분석하는 방법(개입X) - 변수 압축이 목적(주성분분석, 주요인분석, 최대우도요인분석 ...) 2) 확인적 요인분석..

세 집단 평균 검정(분산 분석) 방법: 세집단(이상)간 평균 차이에 관한분석 작업절차 1. 파일 가져오기 2. 데이터 정제/전처리 - NA, outline 제거 3. 세집단 subset 작성 -> 코딩 변경 -> 기술 통계량(빈도수) -> 교차표 작성 4. 세 집단 동질성 검정 : bartlett.test() 5. 분산 검정 : aov() or kruskal.test() 6. 사후 검정 : TukeyHSD() 분산 절차 - 연구 가설(H1) : 교육방법에 따른 세 집단간 실기 시험의 평균에 차이가 있다. - 귀무 가설(H0) : 교육방법에 따른 세 집단간 실기 시험의 평균에 차이가 없다. 세 가지 교육방법을 적용하여 1개월 동안 교육 받은 교육생 각 50명씩을 대상으로 실기시험을 실시 하였다. 세 집단간..