Be Geeky

Bagging과 Boosting의 원리를 정리한 지난 포스팅에 이어 이번에는 Boosting을 기반으로 한 AdaBoost에 대해 정리했습니다.

자주 & 편히 쓰는 배깅과 부스팅 기반의 나무 알고리즘, 그 원리에 대해 자세히 설명하실 수 있으신가요? 이는 데이터 분석 직군 면접에서 묻는 단골 소재이기도 한데요 (실제 면접 본 곳의 100%가 랜덤포레스트의 원리에 대해 설명하라 했었습니다 (...)). 이에 대한 개념을 차근차근 알아보고자 포스팅을 쓰게 되었습니다.

이번 포스팅에서는 맥북을 사용하며 필요한 단축키 모음들을 정리했습니다.

2020년 상반기가 끝난 시점, 많은 변화들이 있었습니다. 한 줄로 요약하면 "글또를 통해 공부하고 내 적성을 찾아 취업에 성공했다!" 이지만 그 과정까지 우여곡절이 많았습니다 (거의 서X 사X버 대학 다니고 나의 성공시대 시작된 급이라 메인 사진을 저렇게 꾸며보았습니다 ^ㅁ^). 따라서 상반기에 제가 어떤 목표를 세웠고, 어떻게 생활했는 지 소소하게 회고하고 더 나은 삶을 위한 하반기 계획을 세워보고자 합니다.

이번 포스팅에서는 Künzel et al. (2019) 의 Metalearners for estimating heterogeneous treatment effects using machine learning 라는 논문을 읽으면서 내용을 정리했습니다.

이번 포스팅은 Amit Sharma, Emre Kiciman님의 gitbook을 번역하면서, Matching과 Stratification을 이용한 인과관계 추론에 대해 정리하였습니다.

마침 Python의 brawlstats 라이브러리가 브롤 스타즈 API wrapper를 제공하고 있어 전투 기록을 모으는 게 가능해졌습니다. 따라서 이 포스팅에서는 다음과 같이 전투 기록을 주기적으로 모으는 방법에 대해 설명하고자 합니다.

이번 포스팅에서는 AWS의 가상환경 EC2에서 crontab을 사용해 파이썬 코드를 자동화시키는 방법에 대해 알아보고자 합니다.

Gaussian Bayesian Network는 인과 관계를 추론하는 방법 중 하나로, 이전 포스팅에서 설명했습니다.,이번 포스팅에서는 GBN의 구조 학습 및 모형 추정의 원리와 그 예제에 대해 설명드리고자 합니다.

이 글은 엄격한 실험이 아닌 관측 환경 (observational studies)에서 인과관계 추론을 위해 사용하는 베이지안 네트워크 (Bayesian Network)와 잠재적 결과 (Potential outcome) 방법론에 대한 글입니다.