데이터와 한걸음씩

강의를 듣고 이해한걸 바탕으로 작성되었습니다. 잘못된 부분이 있으면 댓글로 알려주세요! 표본, 신뢰 구간 등의 관계 스토리 수식을 보기에 앞서 이 친구들의 관계를 보자. 표본은 모집단에서 추출한 샘플이라고 보면되는데, 모집단 전수조사가 어려운 경우가 많기 때문에 표본의 통계량으로 모집단을 추정한다. [과정 요약] 표본 통계량 (표본 평균, 표본 분산, 표본 표준편차 등 ) ----> 추정 -----> 모집단은 이런 특성을 가진 집단이래 이 때 오차범위를 함께 제공하는데 그 범위안에 모수가 들어갈 수 도있고, 아닐수도 있음 (신뢰 수준 0%~100%) 오차범위가 크면 신뢰수준이 커지고, 오차범위가 작으면 신뢰 수준도 낮아지는 관계이므로 신뢰 수준을 95% or 99%로 고정하고 오차범위를 구한다. * 오차..

이 블로그는 생활코딩 이고잉님의 머신러닝 야학을 듣고 스스로 이해한 내용을 바탕으로 작성합니다. 잘못된 내용이 있으면 댓글로 알려주세요 :) 머신러닝 야학 신청하러 가기 👉🏻 머신러닝을 본격적으로 시작하기에 앞서, 머신러닝에는 어떤 종류들이 있고 각각 어떻게 분류되는지 보았습니다. 그래야 내가 해결하고자 하는 문제가 생겼을 때, 어떤 머신러닝을 사용하면 되는지 알 수 있고 공부를 할 때도 방향을 잡는데에 도움이 되기 때문입니다. 머신러닝의 분류 머신러닝은 크게 으로 분류됩니다. *이미지 출처:머신러닝 야학 강의 지도학습 VS 비지도학습 지도학습과 비지도학습을 구분하면 종속변수의 유무입니다. 머신러닝에 사용하고자 하는 데이터 셋에 종속변수가 포함되어 있다면, 지도학습 없다면 비지도학습을 사용하면 됩니다. ..

평균으로의 회귀 아주 극단적인 일이 한 번 발생하더라도 원래의 평균 값으로 돌아온다는 이론이다. 극단적으로 키가 큰 196cm 아빠한테 나온 자식의 키가 그 이상으로 나올 확률은 낮으며 평균보다는 크겠지만, 196cm 와 평균 사이의 키로 태어날 확률이 높다! 다른 예로는 로또를 맞은 사람의 행복이 2년이면 원래 그사람이 가지고 있던 행복에 다시 가까워진다는 것이다! 큰 수의 법칙 표본이 작을 때는 특이 값을 가지는 경우가 발생할 확률이 높지만, 표본이 커질 수록 원래의 확률을 따라간다는 법칙 예를 들어 주사위를 던질 때 초반에 10번 중에 갑자기 1이 6번이나 나올 수도 있다. 하지만, 1000번을 던진다면 1이 나올 확률은 1/6 에 가까워질 것이다. 느낀점 이걸 배우고 느낀 점은 평소에 잘하자..!..

문제 출처 바로가기 👉 이 글에서 이야기하고 싶은 인사이트는 subquery를 From절에 쓸 때 주의할 점이기 때문에, 문제 설명은 skip! 문제의 코드 SELECT d.Name AS Department, e.Name AS Employee, e.Salary AS Salary FROM( -- subquery 시작 SELECT * ,DENSE_RANK() OVER (PARTITION BY d.name ORDER BY e.Salary DESC) as s_rank FROM Employee e INNER JOIN Department d ON e.DepartmentID = d.Id) AS sub WHERE s_rank IN (1,2,3) 주의할 점 1️⃣ 문제코드의 세번째 줄처럼 테이블을 만드는 subquery..