본문 바로가기

LinkedIn
깃허브 바로가기

1️⃣ AI•DS/🥎 Casual inference47

인과추론의 데이터 과학 - 무작위 통제 실험 참고영상 : Bootcamp 2-2. 무작위 통제실험 1. Random assignment • 랜덤하게 group 을 할당하면 집단 간 특성이 비슷해진다. ◯ Potential Outcomes 관점에서 인과추론의 수준 • 아래로 갈수록 인과추론을 증명하기 어려운 방법론, 위로 갈수록 증명하기 쉬운 방법론 • 가장 인과추론의 수준이 높은 것은 Randomized Controlled trial 이다. (RCT) • 현실 상황에서는 무작위 실험을 하기 어려운 경우가 많다. 따라서, 실험과 유사한 상황을 도입하는 것을 준실험 (Quasi-Experiment) 를 수행한다. 만약 준실험도 실행하기 어려운 상황이라면, 내생성을 제거하기 위한 통계적인 도구인 Instrumental variable 를 활용할 수 있다.. 2023. 4. 21.

인과추론의 데이터 과학 - 잠재적결과 프레임워크 참고영상 : Bootcamp 2-1. 잠재적 결과 프레임워크 1. Potential outcome framework ◯ Potential outcome framework • 특정 원인 (treatment) 의 인과적 효과를 잠재적 결과의 차이로서 정의하고 분석하는 것 • 그때의 결정이 원인이 되어 지금의 결과가 나옴. 그때의 결정이 달랐다라면 잠재적인 결과는 어떻게 되었을까 ⇨ 우리가 일상속에서 사고하는 방식이 Potential outcome 이 인과관계를 정의하는 방식이라 볼 수 있음 • Causal effect = (treatment 를 받은 실제 결과) - (treatment 를 받지 않았더라면 있었을 잠재적 결과) ◯ Counterfactual • treatment 를 받지 않았더라면 있었을 잠재.. 2023. 4. 21.

The science of price experiments in the Amazon Store 원문 ◯ 아마존 스토어에서의 가격 실험 • 아마존 스토어의 상품의 가격은 수요,계절성,일반적인 경제적 트렌드와 같은 요소를 반영하고 있다. • 가격 정책도 그러한 부분을 중요하게 두고 있다. 새로운 가격 정책은 머신러닝 방법론을 많이 활용하고 있다. Amazon pricing labs 에서는 새로운 가격 정책을 평가하기 위해 온라인 A/B test 를 수행하고 있다. • 아마존 스토어를 방문하는 모든 소비자들이 동시에 모든 제품에 대해 동일한 가격에 구매할 수 있도록 하는 차별없는 가격 책정을 실천하고 있으므로, 각기 다른 고객에게 다른 가격을 제시하는 것이 아니라 시간이 지남에 따라 제품 가격에 대한 실험적인 처치를 적용해야 한다. ◯ Time-bound experiment • 새로운 가격 책정을 평가.. 2023. 4. 21.

인과추론의 데이터 과학 - 인과추론의 어려움과 인과추론 전략 참고영상 : Bootcamp 1-2. 인과추론의 어려움과 인과추론 전략 1. Challenges in causal inference • 상관관계는 인과관계를 의미하지 않는다. ◯ Ex1. 최저임금과 고용률 • 인과추론을 적용하기 매우 어려운 주제이고 갑론을박이 계속 이어지는 주제 • 최저임금에 대한 자연실험 연구 • 인과추론 연구의 약점 : external validity and transportability 다른 상황으로의 적용 ◯ Ex2. 추천시스템 • 알고리즘의 성과를 높이는 것뿐만 아니라, 이러한 알고리즘을 도입했을 때 실질적인 제품 판매 증가로 이어졌는가가 더 중요할 것 • 추천시스템을 개발하는 건 알고리즘적인 문제지만, 이러한 추천시스템을 도입할지 말지를 결정하는 것은 인과추론 문제가 될 수 .. 2023. 4. 20.

인과추론의 데이터 과학 - 인과추론과 예측 방법론의 차이 참고영상 : Bootcamp 1-1. 인과추론과 예측 방법론의 차이 1. 데이터 과학 : 인과추론 방법론 (ex. 계량경제학) + 예측 방법론 (ex.머신러닝) 2. 영화 "머니볼" • 야구 코치들은 선수들이 더 좋은 성과를 낼 수 있는 요인들 (causes) 을 찾고, 데이터사이언티스트들은 구체적인 선수에 대한 요인들에 상관없이 승리할 확률을 높이는 것을 더 중요하게 여긴다. • Prediction 과 causual inference 는 다르다. 3. 데이터과학/분석의 프레임워크 • Causual inference 가 필요한 경우 ↪ Input-Oriented approach ⇨ ex. 코로나 19 백신을 맞아야 되는지, 마케팅 프로모션을 진행해야 하는지, 정책을 도입해야 하는지 말아야 하는지 • Pr.. 2023. 4. 20.

대체로 해롭지 않은 계량경제학 정리 - Part1 👀 계량경제학 개인 공부용 포스트 글 입니다. Part1. 준비단계 ① 장. 질문에 대한 질문 • 관심의 대상이 되는 관계 (relationship of interest) : 과연 무엇이 관심의 대상이 되는 인과관계인가 • 이상적인 실험 (ideal experiment) : 관심의 대상이 되는 인과효과를 도출하기 위해 가장 이상적으로 사용될 수 있는 실험 • 식별전략 (identification strategy) : 연구자가 관측자료 (즉, 무작위 실험을 통하지 않고 만들어진 자료) 를 사용해 진짜 실험에 근사하는 방법을 설명하기 위해 식별 전략이라는 용어를 사용했다. • 추론방법 (the mode of inference) : 어떤 통계적 추론 방식인가 ② 장. 이상적인 실험 • 가장 신뢰할만하고 영향력.. 2023. 4. 11.

Choosing sequential testing framework - comparisons and discussions https://engineering.atspotify.com/2023/03/choosing-sequential-testing-framework-comparisons-and-discussions/ Choosing Sequential Testing Framework — Comparisons and Discussions - Spotify Engineering Choosing Sequential Testing Framework — Comparisons and Discussions - Spotify Engineering engineering.atspotify.com ▢ Sequential testing • Sequential testing 이란 A/B 테스트를 하는 동안 데이터가 발생했을 때, 순차적으로 모니터링.. 2023. 3. 26.

이전 1 2 3 4 5 다음

728x90

티스토리툴바