• 학습할 것
  • [ ] 변수 스케일링
  • [ ] 다중 공선성
  • [ ] 통계 - 가설검정, t.test , p-value, 카이스퀘어 분포 def
  • [ ] HC / PCA 개념 deep한 이해
• 해야할 것
  • [x] HC 예제 코드 돌려보기 → 소요시간 많을 듯(시각화)

변수 Scaling

• 변수의 유형 ( ref : ****https://horae.tistory.com/entry/범주형수치형이상형연속형명목형순서형-정리 )

  • 범주형
    • 명목형 : such as 성별, 성공여부, 혈액형
    • 순서형 : such as 매우불만-불만-보통
  • 수치형
    • 이산형 : 수치적인 의미, 소수점 놉
    • 연속형 : 수치적 의미, 소수점 표현 가능 측정가능 데이터 의미

• 왜하는가? (ref : https://untitled-memo-2019.tistory.com/1)

• 예시

  (ref : https://stickie.tistory.com/54 )

다중공선성

: 독립변수 - > 종속변수

x1age x2edu x3 industry x4 child → y income

robustness

통계적 지식

• matplotlib :

(link : https://jehyunlee.github.io/2020/09/30/Python-DS-34-seaborn_matplotlib/)

• 추정 :

(link : http://blog.naver.com/PostView.nhn?blogId=da91love&logNo=220453992909&parentCategoryNo=&categoryNo=55&viewDate=&isShowPopularPosts=true&from=search)

HC

ref : https://en.wikipedia.org/wiki/Hierarchical_clustering

PCA