분류 성능지표 — 혼동행렬 4칸으로 재현율·정밀도·F1 읽기
분류 성능지표는 혼동행렬의 네 칸(TP·FP·FN·TN)에서 출발합니다. 정확도가 클래스 불균형에서 왜 속이는지, 재현율과 정밀도의 차이, F1과 G-mean 종합지표, 임계값 조정까지 정리했습니다.
로지스틱 회귀란 무엇인가 — 오즈·로짓 2단계로 만드는 S자 곡선
로지스틱 회귀는 어느 쪽인지(분류)를 확률로 예측하는 방법입니다. 직선으로는 왜 확률을 못 맞히는지, 오즈와 로짓으로 범위를 맞춰 S자 곡선을 만드는 과정, 계수를 최대우도법으로 구하는 이유까지 정리했습니다.
계수 축소법이란 — 과적합 잡는 Ridge·Lasso 2가지
계수 축소법(Ridge·Lasso)은 회귀식에 벌점을 더해 불필요한 변수를 자동으로 걸러내고 과적합을 막는 방법입니다. Ridge와 Lasso의 차이, 예측이냐 변수 선택이냐에 따른 선택 기준, λ 튜닝까지 정리했습니다.
다중선형회귀란 무엇인가 — 변수 2개면 평면, 3개면 초평면
다중선형회귀는 입력 변수 여러 개로 결과를 예측하는 회귀입니다. 변수가 늘면 직선이 초평면이 되는 이유, 각 계수가 다른 변수를 고정한 채의 효과라는 점, 푸는 방법이 OLS인 이유, 변수를 무작정 늘릴 때 생기는 과적합까지 정리했습니다.
회귀 성능지표 5가지 — MAE·RMSE와 결정계수 R²까지
회귀 성능지표는 만든 회귀식이 얼마나 잘 맞히는지 재는 잣대입니다. 단위가 살아있는 MAE, 비율로 보는 MAPE, 이론이 쓰는 MSE와 RMSE, 평균 대비 얼마나 나은지 보는 결정계수 R²까지 정리했습니다.
단순선형회귀란 무엇인가 — 변수 1개로 회귀선 잡는 최소제곱법
단순선형회귀는 두 변수의 관계를 하나의 직선으로 요약해 예측하고 변수의 영향력까지 읽어내는 방법입니다. 오차와 잔차의 차이, 잔차제곱합을 최소로 만드는 최소제곱법, 기울기 해석까지 핵심만 정리했습니다.
머신러닝이란 무엇인가 — 회귀·분류 2가지 예측 모델의 기초
머신러닝은 데이터 속에 숨은 패턴을 찾아 수식으로 표현하고, 그 식으로 새 값을 예측하는 방법입니다. 공학 공식과 방향이 반대인 이유, 입력·출력 변수의 여러 이름, 출력의 형태가 회귀와 분류를 가르는 원리까지 정리했습니다.
상관분석이란 무엇인가 — 공분산·상관계수 2가지로 관계 읽기
상관분석은 두 변수가 같은 방향으로 움직이는지 방향과 세기를 읽는 방법입니다. 공분산이 왜 단위에 휘둘리는지, 그 단위를 지운 상관계수가 어떻게 -1에서 1 사이 값이 되는지, 왜 산점도를 반드시 함께 봐야 하는지 정리했습니다.
등분산 검정 없이 ANOVA를 돌리면 생기는 일 — Bartlett·Levene 선택법 2가지
등분산 검정은 여러 집단의 흩어짐이 같은지 확인하는 절차로, ANOVA의 전제를 지키는 문지기다. 정규분포면 Bartlett, 아니면 Levene — 두 검정의 선택 기준과 결과 해석, 전제가 깨졌을 때의 대응까지 정리했다.
분산 검정, 평균이 같아도 안심할 수 없는 이유 — 카이제곱·F검정 2가지
분산 검정은 평균이 아니라 흩어짐(산포)이 변했는지 확인하는 가설검정이다. 단일 집단은 카이제곱, 두 집단은 F검정 — 표본분산도 흔들리는 값이라는 직관부터 계측기 산포 비교 예시까지 2가지 절차로 정리했다.
