베이즈 통계학 맛보기

이번 강에서는 베이즈 통계학에 대하여 학습을 진행했다. 베이즈 통계학은 조건부확률 이용하여 정보를 갱신하는 방법으로, 우리가 모델의 학습을 진행할 때 계속해서 파라미터를 업데이트해 나가는 방식이 사실상 주어진 조건으로 새로운 정보를 계속해서 수정해나가는 방식과 비슷하기 때문에 딥러닝을 공부하기 위해서는 베이즈에 통계학에 대한 기초를 다지는 것은 필수라고 할 수 있다. 이번 강의를 통해서 베이즈 통계학에 대한 기초를 완벽히 다지기 위해 노력했다.

00. 공부 내용

• 베이즈 정리에 대하여 공부
• 조건부확률의 시각화에 대하여 공부
• 조건부확률과 인과관계에 대하여 공부

01. 베이즈 정리

• 베이즈 정리는 다음과 같은 조건부확률 식을 이용하여 정보를 갱신하는 방법을 알려준다.

• 베이즈 정리는 다음과 같은 식을 통하여, 사전확률을 바탕으로 사후확률을 계산하는 방법이다.

• 베이즈 정리를 통하여 계산한 사후확률은 또한 다음 식의 사전확률로 사용할 수 있어, 계속하여 사후확률을 계산하면서 정보를 갱신해 나갈 수 있다.
• 다음은 베이즈 정리의 예시이다.

02. 조건부확률의 시각화

• 조건부 확률은 위와 같이 시각화하여 나타낼 수 있으며, 1종 오류가 증가하면 테스트의 정밀도가 감소하는 관계를 가진다.

03. 조건부확률과 인과관계

• 조건부 확률은 유용한 통계적 해석을 제공하지만 인과관계를 추론할 때 힘부로 시용해서는 안된다. (데이터가 아무리 많아도 조건부 확률만을 가지고 인과관계를 추론하는 것은 불가능함)
• 인과관계는 데이터 분포의 변화에 강건한 예측모형을 만들 때 필요하다(인과관계만으로 높은 예측 정획도를 보장하는 것은 아님)
• 인과관계를 알아내기 위해서는 중첩요인의 효과(다음 그림의 Z)를 제거하고 원인에 해당하는 변수만의 인과관계를 계산해야 한다.