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 |
- Bias-Variance Tradeoff
- 콕스비례모형
- 미국 선거데이터
- 의사결정나무
- R 연습문제
- ggplot()
- 생존그래프
- dplyr
- R dplyr
- R mutate
- R
- R filter
- geom_errorbar
- 데이터핸들링
- 이산형 확률분포
- 생존분석
- R문법
- 주식데이터시각화
- ggplot2
- 확률실험
- CrossValidation
- ISLR
- R select
- R 결측치
- 데이터 핸들링
- 카플란마이어
- ggsurvplot
- 교차타당성
- 강화학습 #추천서적 #강화학습인액션
- R ggplot2
- Today
- Total
목록2020/02/27 (2)
Must Learning With Statistics
시계열 데이터는 매우 중요한 데이터 타입 중 하나입니다. 하지만, 시간의 흐름에 따라 값이 입력되는 데이터이기 때문에, 일반인 독립(Independent)데이터와 같은 방식으로 처리하면 잘못된 분석을 진행하게 됩니다. 이번 포스팅은 시계열 데이터를 다루는 방법 및 시각화를 하는 방법에 다루어보도록 하겠습니다. 데이터 다운로드 링크 : https://www.kaggle.com/timoboz/tesla-stock-data-from-2010-to-2020 0. 데이터 및 패키지 로드 library(ggplot2) library(dplyr) library(reshape) library(tseries) library(cowplot) library(forecast) TSLA = read.csv("D:\\Dropbo..
외래관광객실태조사 데이터를 활용한 국내관광지 연관규칙분석 이번 포스팅은 연관규칙에 대해서 다루어보도록 하겠습니다. 연관규칙(Association rules)는 장바구니 분석이라고도 합니다. 예를 들어, 제가 마트에서 ’네O퀵’이라는 제품을 샀으면 그와 함께 마실 우유도 같이 구매할 확률이 높을 것입니다. 이렇게 A라는 제품을 구매하였을 때, B라는 제품도 함께 구매하는 규칙의 패턴을 구하고자 하는 것이 연관규칙 분석의 목적입니다. 제 개인적으로 생각했을 때, 연관규칙 및 여기서 이어지는 추천시스템 알고리즘만큼 실제 비즈니스영역에서 활용되는 데이터 분석 방법론이 있을지 잘 모르겠습니다. 여러분들이 즐겨보시는 유튜브, 넷플릭스 등의 플랫폼들은 모두 이러한 알고리즘들을 기반으로 컨텐츠들을 추천해주고 있습니다...