ADsP 3과목 주관식 총 정리

[3과목]

 

(중요) 실루엣 : 군집화의 성능을 평가하는 것 0.5보다 크면 군집결과가 타당, 1에 가까울수록 군집화가 잘못되었다고 판단하는 지표 , 군집내 거리와 군집과의 거리를 기준으로 군집분할 성과를 측정. 클러스터 안의 데이터들이 다른 데이터와 비교해서 얼마나 비슷한가를 나타내는 군집평가

 

(중요) 차분 : 추세가 존재할대 이를 제거하기 위해 현시점-전시점의 차를 구하는 것

 

과대적합 : 의사결정나무 모형에서 가지치기, 정지규칙을 하지 않고 가지를 모두 사용했을 때, 실제 데이터에 적용할 수 없게 되는 문제점

 

t-test : 두 범주형 집단 평균차이 검정 방법

 

부호검정 : 데이터의 순위를 계산하여 중심위치 모수보다 작거나 큰 순위에 대한 분포를 이용하는 비모수 검정

 

클래스 불균형 : 일부 범주형 관측치가 현저히 부족해 모형이 학습하기 힘든 문제

 

(중요) 다차원 척도법 : 개채들 사이에 유사성/비유사성을 측정하여 2차원 3차원 공간상 점으로 표현하여 분석하는 방법

 

와드연결법 : 군집내 편차들의 제곱합

 

정상성 : 잔차항이 정규분포를 이루어야 함

등분산성 : 오차항들의 분포는 동일한 분산

비상관성 : 잔차들끼리는 상관 없음

독립성 : 잔차와 독립변수는 관련 없음

 

 

순차패턴분석 : 연관규칙분석과 유사한 아이디어에 출발하지만, 시간, 순서에 따른 사건의 규칙을 찾는 것

 

다중공선성 : 회귀분석 설명변수들 사이에 선형관계가 존재할 경우, 회귀계수의 정확한 추정이 곤란한 경우

 

ESD 알고리즘 (Extreme Studentized Deviation) : 평균으로부터 3*표준편차 밖의 값들을 이상치 탐색하는 알고리즘

 

포아송 분포 : 이항분포가 주어진 횟수의 시행중 사건횟수에 적용되는 분포임에 반하여 단위시간당 단위공간당 사건 발생 횟수에 적용되는 분포

 

(중요) 향상도곡선 : 분류분석 모형을 평가하는 방법으로 랜덤모델과 비교하여 해당 모델의 성과가 얼마나 향상되었는지 등급별로 파악하는 그래프

 

오즈 : 로지스틱회귀 모형 exp(x1)

 

나이즈-베이즈분류 : 베이지안 추론을 활용한 대표적인 분류 알고리즘

 

홀드아웃, 교차검증, 붓스트랩 : 모형평가에 앞서 과적합화 문제를 해결하기 위해 사용되는 방법

 

Apriori 알고리즘 : 최소 지지도를 갖는 연관규칙을 찾는 대표적인 알고리즘, 최소 지지도를 넘는 빈발 품목 집합을 찾는 1세대 알고리즘

 

SOM : 코호넨 맵 이라고 알려져있음. 비지도 신경망, 대뇌피질의 시각피질의 학습 화정을 모델화한 인공신경망으로 클러스터링을 수행하는 알고리즘

 

ROC 그래프 : x축에는 FP Ratio(1-특이도)를 나타내며 y축에는 민감도를 나타내어 이 두 평가 값의 관계로 모형평가를 하는 기법

 

편상관 계수 : 하나 또는 그 이상의 다른 상관관계의 변수들의 효과를 제어하는 동안 독립변수와 종속변수 사이의 피어슨 상관관계를 계산하는 데 사용하는 통계적 기법

 

EM 알고리즘 : 모형에 기반한 군집분석에서 잠재변수를 추정할 때 사용되며, 분석 데이터가 불완전 하거나 결측치가 있고 숨겨진 잠재 변수가 있을대 MLF 추정치를 알아낼 수 있는 알고리즘

 

ARMA : 과거 지점 관측자료와 과거 시점의 백색잡음의 선형결합으로 현시점의 자료를 표현하는 모형

 

정상성 : 직관적으로 정상성의 의미는 시계열의 수준과 분산에 체계적인 변화가 없고 주기적 변동이 없다는 조건, 미래는 확률적으로 과거와 동일하다는 것을 뜻한다.

 

소셜네트워크분석 : 노드, 링크로 구성되는 네트워크 이론에 의해서 사회적 관계를 보여주는 것

 

상관분석 : 변수들 사이의 선형관계 정도를 분석하는 방법, 흡연량과 폐암의 발생률, 광고비와 매출액 등과 같은 변수들 사이의 연관 정도를 알아보기 위한 분석방법

 

잔차분석 : 잔차를 사용하여 회귀분석의 가정을 검토하는 과정