| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 |
Tags
- Montecarlo
- 암호화폐
- 선형회귀분석
- ML
- 비트코인
- backpropagation
- Miracle morning
- importancesampling
- MCMC
- neural network
- 일기
- linear regression
- 알고리즘
- probabilisticmodeling
- diary
- SF
- Causal Inference
- LSTM
- 역전파
- Chain rule
- bayes ball algorithm
- meta-learner models
- neural network for causality
- Causality
- 시계열분석
- UCB
- category
- English
- gradient
- 머신러닝
Archives
- Today
- Total
목록bayes ball algorithm (1)
zip-sa | Data is important
Causality and Machine Learning
0. 인과성과 기계학습: 인과성 추론의 이해와 최신 방법론인과성(Causality)은 사건 간의 원인과 결과를 밝히는 과정으로, 데이터 분석과 의사결정에 필수적인 개념입니다. 이 글에서는 인과성의 정의와 필요성, 인과성 추론 방법론, 그리고 최신 기계학습 기법을 통한 인과성 분석에 대해 설명합니다.1. 인과성이란 무엇인가?인과성은 특정 사건이 다른 사건에 미치는 영향을 밝히는 과정으로, 단순한 상관관계와는 다릅니다. 상관관계는 두 변수 간의 연관성을 보여주지만, 이것이 원인과 결과를 의미하는 것은 아닙니다.1.1 상관관계 vs. 인과성상관관계(Correlation): 두 변수 간의 연관성만을 보여줌. 예를 들어, 축구 FIFA 랭킹과 COVID 확진자 수 간의 관계가 있다고 해도, 축구 실력이 확진자 수..
AI/ML
2024. 9. 9. 11:00