Confounder
중요한 predictor variable 이지만 regression 방정식에 누락되어 결과를 잘못되게 이끄는 변수를 의미한다. 즉, 교란 변수는 회귀 방정식에 중요한 변수가 포함되지 못해서 생기는 누락의 문제이다.
1 min read
중요한 predictor variable 이지만 regression 방정식에 누락되어 결과를 잘못되게 이끄는 변수를 의미한다. 즉, 교란 변수는 회귀 방정식에 중요한 변수가 포함되지 못해서 생기는 누락의 문제이다.
이런 이슈를 confounder 라 부른다.
Explanatory Variable this variable explains the variation in the response variable supervised learning 중 어떤 한 task 는 feature 의 집합이 주어졌을 때, 숫자형 target 값을 예측하는 것인데, 여기서 feature...
Covariate explanatory variable 과 response variable 간 관계를 알아내는 실험에서 response variable 에 영향을 끼치는 다른 변수들을 의미한다.
Response Variable the value of this variable responds to changes in the explanatory variable 함수로 치면 일종의 출력 변수로 볼 수 있다. Related References.
Abstract “ 만약 사용자에게 강제로 영화를 보게 만든다면 어떻게 평가할 것인가?”: causal inference question B) Introduction prediction: “ 사용자가 영화를 보았을 때, 평점은?” causal inference: “ 우리가 사용자에게 그 영화를 노출시켰을 때,...
Collinearity predictor variable 들이 완벽하거나 거의 완벽에 가까운 상관성을 갖는다고 할 때, regression 은 다중공선성 문제를 가지고 있다고 말할 수 있다. 회귀 분석에서는 다중공선성 문제가 사라질 때까지 변수를 제거해야 한다.
Confidence Interval 신뢰 구간 (confidence interval) 은 알려지지 않은 모수 (parameter) 에 대한 가능한 값 (plausible values) 들의 범위를 의미한다.
Covariance covariance 는 두 변수가 얼마나 선형적으로 관계가 있는지 수치적으로 나타내는 값이다. covariance 의 절대값이 높다면, 두 값이 많은 변동이 있고 동시에 평균으로부터 멀리 떨어져 있다는 것을 의미한다.
Concordant 두 변수를 가지는 두 쌍의 observations \left(\mathbf{X} {1}, \mathbf{Y} {1}\right) 그리고 \left(\mathbf{X} {2} \mathbf{Y} {2}\right) 에 대해서, 두 쌍이 concordant 하다면 다음을 만족한다.
Correlation 두 변수 간 선형 관계를 측정하기 위해서 사용하는 값 covariance 역시 선형 관계를 측정하지만, normalized 된 것이냐 아니냐의 차이가 있다. 아래는 Pearson correlation 계산 식을 나타낸다.
Heteroscedasticity Heteroscedasticity 는 regression 에서 error variance 가 입력 구간마다 일정하지 않은 상태를 말한다.