250113 TIL 데이터분석과정 TIL(머신러닝 주차 시작)

1. 회고

 

오늘은 뭔가 체력적으로 엄청 지친다. 새로 머신러닝 강의를 듣기 시작했는데, 뭔가 집중도 이해도 잘 안되었다. 심지어 강의페이지에서 잘못보고 기초강의가 아니라 심화강의부터 듣기 시작했다...낮에 난 무엇을 한 것인가? 

남는 시간에는 파이썬 베이직반 강의 올라온 것들을 복습해주었다. 머신러닝이 너무 재미없다보니, 파이썬이 더 재미있게 느껴지는 기현상이 일어난다. 

 

이제 본격적으로 포트폴리오에 넣을 내용들을 만들어주어야 하는지라, 내가 해왔던 내용들을 놓치지 말고 잘 적어주어야 겠다. 대략 아래의 내용을 중심적으로 담으려고 한다. 그동안 잠시 내려놓았던 공고 찾기도 이제 다시 시작해야 하는데, 체력적으로 잘 뒷받침해줄 수 있기를...흐물흐물해지는 기분이다..ㅎ

 

1. 무슨 데이터를 가지고 어떤 분석을 했는지? 목적이 뚜렷해야 함.
2. 어떤 것을 해결하기 위해서 어떤 것을 했다.
3. 성과: 어떤 문제 인식을 해서, 몇 프로 개선을 했다. / 가정을 해서, 고객들의 반응을 가정으로 두고, 왜 그렇게 판단했는지 근거를 보려고 함. 반응하는 것은 가정이다. 얼만 큼 매출이 오를 것인가?
4. 내가 어떤 것을 담당했는지? 
5. 내가 여기서 배운 점.

---

2. 아티클 분석 

A/B 테스트 제대로 이해하기: ③ A/B 테스트 계산기의 세팅과 해석 | 요즘IT

 

아티클 요약 

• 우리는 실험을 설계할 때 ‘특정 방안이 더 나을 것 같다’라는 암묵적인 기대 또는 가정을 가지고 시작한다. ‘고객의 반응은 우리의 기대, 예상과는 종종 다르다’라는 걸 실감. 보통은 양측 검정을 진행하는 게 더 보수적이고 안전한 접근이다.
• 우리의 결과가 어느 한쪽으로 무조건 나올 것이라는 보장이나 기대가 없는 상황에서 ‘단측 검정’을 하면, 차이는 있지만 기대했던 것보다 차이가 적은 경우 ‘우연’으로 계산되어 버린다.

 

주요 용어

• 구글 옵티마이저: Google Optimize - A/B 테스트 툴에서는 전환율과 더불어 표본 크기에 따른 유의미한 결과를 계산해 최종 판단에 도움 (23년 9월 서비스 종료)
• 단측 검정: 표본 분포의 한쪽 방향만 사용하고 있기 때문에, 유의수준 5%를 그대로 가져감. 대립가설의 주장이 방향성을 가지는 것
• 양측 검정: 크거나 작다를 모두 포함한 경우. 방향성을 갖지 않는 경우

양측 검정이 더 보수적인 검정 방법이다. 양측검정과 단측 검정의 결과는 다르게 나올 수 있다.

결과가 차이가 없다고 나오더라도, 표본을 더 모아야 할 지, 기획단계에서부터 문제가 있던 건지를 생각해보아야 한다.