MJ의 공부 일지

MJ의 공부 일지

  • 분류 전체보기 (42)
    • 블로그 소개 (1)
    • 프로젝트 및 공모전 (1)
    • SQL (9)
    • 추천시스템 (3)
    • 머신러닝, 딥러닝 (21)
      • 딥러닝 (5)
      • 머신러닝 (12)
      • 파이토치 (4)
    • 논문 리뷰 (1)
      • 추천시스템 (1)
      • 머신러닝, 딥러닝 (0)
      • NLP (0)
      • IS 일반 (0)
    • 데이터 분석 (4)
      • 인과추론 (2)
      • 통계, 분석기법 (1)
      • Python, R 문법 (0)
      • SQL (0)
      • 기타 (1)
    • 이슈, 관심사 (2)
      • IT 일반 (1)
      • 이커머스 (1)
      • 마케팅 (0)
  • 홈
  • 태그
  • 방명록
RSS 피드
로그인
로그아웃 글쓰기 관리

MJ의 공부 일지

컨텐츠 검색

태그

Python을 이용한 개인화 추천시스템 강남언니 Webinar 데이터분석 추천시스템 거친코딩 인프런 태블로 인과추론 Reflow 그로스해킹 웨베나

최근글

댓글

공지사항

아카이브

인과추론(1)

  • 인과추론(Causal Inference) 개요

    📚 인과추론 vs 예측 • 인과추론(causal inference)과 예측(prediction)은 데이터 분석의 목적이 다르다. 목적이 다르기 때문에 사용 분석 기법도 차이가 있다. Korea Summer Workshop on Causal Inference 2022 • 분석을 통해서 Input인 독립변수를 파악해서 조절하는 것이 목적이라면 인과 추론이 보다 적절하다. 만약 Output을 정확하게 아는 것이 목적이라면 예측 기법이 적절하다. • 하지만 이 두가지 방법론이 서로 배타적인 것은 아니며 상황에 따라서 적절하게 사용할 수 있다. ex 1) 인과 추론을 통해서 도출한 유의한 변수로 예측 모델링을 하는 경우에 보다 성능을 높일 수 있다. ex 2) 새로운 추천 알고리즘을 도입했을 때, 이것이 매출을 ..

    2023.09.17
이전
1
다음
티스토리
© 2018 TISTORY. All rights reserved.

티스토리툴바