💿 Data

[TIL] 복습(2) 귀무/대립가설, 유의확률/유의수준

귀무가설 : 모집단에 대해 옳다고 판단하는 가설(보통 차이가 없거나 있어도 미비한 수준인 경우의 가설) 우리가 알고싶은 모집단의 특성에 대한 잠정적인 주장, 보편적으로 알려진 기존의 사실들 대립가설 : 귀무가설이 거짓이라면 참으로 인정받는 가설 지금까지 보편적으로 믿어진 가설에 대한 반박(주로 연구자가 주장하고 싶은 내용) 유의확률(p-value) : 귀무가설을 기각할 수 있는 최소한의 유의 수준 귀무가설이 참인데도 기각할 확률, 즉 p-value가 낮을수록 참인 귀무가설을 기각할 확률이 낮아지는 것이므로 기각하고 대립가설을 채택해도 된다. 유의수준 : 귀무가설을 채택하려 할 때 그 결정이 틀릴 확률로 유의확률이 유의수준보다 작을 때 귀무가설을 기각한다. 실제 결과가 통계적으로 의미있는 것으로 받아들여지..

[TIL] 복습(1) 중심극한정리, 결정계수

중심극한정리 : sample 자체의 갯수가 많아질수록, 각 sample들의 평균은 정규분포에 근사한다.(표본을 굉장히 여러개 뽑았을 때, 모집단에 상관없이 각 표본들의 평균들은 정규분포형태가 된다.) 결정계수(R^2) - 회귀식의 정확도를 가르쳐주는 척도 - 0~1 사이의 값을 가지며 클수록 데이터에 대한 회귀식의 설명력이 높다. - 기준모델(평균)에 대한 회귀선의 설명력의 비율 SST : (관측치 - 관측치 평균)^2 의 합 SSE : (추정치 - 관측치 평균)^2 의 합 SSR : (관측치 - 추정치)^2 의 합(잔차의 제곱합) + SST = SSE + SSR

[TIL] 107. 그리디(Greedy; 탐욕 알고리즘)

키워드 그리디 그리디 알고리즘 완벽한 최적의 답을 찾기보다, 주어진 상황을 한단계씩 빠른 시간내에 해결하기 위해 사용하는 알고리즘 def changes(price): change = 1000 - price coin_list = [700, 400, 300, 100, 50, 10] ans_dict = {} for coin in coin_list: if change // coin

[TIL] 106. 동적 프로그래밍(DP)

키워드 동적 계획법(Dynamic Programming) 메모이제이션/타뷸레이션 동적 계획법(Dynamic Programming) 하나의 문제를 여러개로 작은 문제로 나누고(분할 정복) 중간의 작은 문제 해법을 재사용하여 큰 문제를 효과적으로 푸는 방법 (문제의 일부분을 풀고 그 결과를 재활용하는 방법) 동적 계획법을 사용하기 위한 조건 1) 문제가 더 작은 문제로 쪼개질 때 2) 작은 문제의 솔루션으로 더 큰 문제의 솔루션을 구할 수 있을 때 3) 이 작은 문제에 대한 해법을 저장하고 다시 사용하여 계산의 수를 많이 줄일 수 있을 때 사용하게 되는 상황 : 이진 검색, 최단경로 알고리즘, 최적화 문제 외판원 문제(링크) 단순 분할정복 : 분할된 서브문제(작은 문제)가 독립적 -> 즉, 그 결과를 재사용..

[TIL] 105. BFS/DFS

키워드 그래프 탐색 BFS(Breadth First Search; 너비 우선 탐색) DFS(Depth First Search; 깊이 우선 탐색) 스택, 큐, 재귀 활용 그래프 순회 순회 : 모든 노드를 방문하면서 탐색하는 알고리즘 그래프 탐색 알고리즘으로는 BFS(너비 우선 탐색)와 DFS(깊이 우선 탐색)이 있다. [알고리즘 : 탐색] BFS(너비 우선 탐색) 현재 노드에 연결된 가까운 노드들부터 탐색 자료구조 중 큐(queue)를 통해 구현 장점 : 너비를 우선으로 탐색하기 때문에 최단 경로를 찾기에 유리하다. 단점 : 재귀로도 구현 가능한 DFS와 달리 큐를 이용해 탐색할 노드들을 저장하기 때문에 메모리를 많이 차지한다. 큐를 이용한 BFS 구현 ## 그래프(bfs_graph)가 따로 주어져야함 d..