멀티암트 밴딧 알고리즘 & 검정력과 표본 크기

정다영·2022년 8월 18일
0

3.10 멀티암드 밴딧 알고리즘


1. 용어 정리

  • 멀티암트 밴딧(MAB): 고객이 선택할 수 있는 손잡이가 여러 개인 가상의 슬롯 머신을 말하며, 각 손잡이는 각기 다른 수익을 가져다준다. 다중 처리 실험에 대한 비유라고 생각할 수 있다.
  • 손잡이(arm): 실험에서 어떤 하나의 처리를 말한다
  • 상금(win): 슬롯머신으로 딴 상금에 대한 실험적 비유

2. 주요 개념

  • 전통적 A/B 검정은 임의 표본 추출 과정을 기본으로 하기 때문에, 수익이 낮은 것을 너무 많이 시도할 수 있다.
  • 이롸 대조적으로 MAB는 실험 도중에 얻은 정보를 통합하고 수익이 낮은 것의 빈도를 줄이는 쪽으로 표본 추출 과정을 변경한다.
  • 또한 두 가지 이상의 처리를 효과적으로 다룰 수 있다.
  • 추출 확률을 수익이 낮은 처리에서 수익이 높으리라 추정되는 쪽으로 이동시키기 위한 다양한 알고리즘이 존재한다.


3.11 검정력과 표본크기


1. 용어 정리

  • 효과크기(effect size): '클릭률의 20% 향상'과 같이 통계 검정을 통해 판단할 수 있는 효과의 최소 크기
  • 검정력(power): 주어진 표본 크기로 주어진 효과 크기를 알아낼 확률
  • 유의수준(sugnificance level): 검증 시 사용할 통계 유의 수준

2. 주요 개념

  • 통계 검정을 수행하기 앞서, 어느 정도의 표본크기가 필요한지 미리 생각할 필요가 있다.
  • 알아내고자 하는 효과의 최소 크기를 지정해야한다.
  • 또한 효과크기를 알아내기 위해 요구되는 확률(검정력)을 지정해야 한다.
  • 마지막으로, 수행할 가설검정에 필요한 유의수준을 정해야 한다.


피터 브루스, 앤드루 브루스의 <데이터 과학을 위한 통계(2판): 데이터 분석에서 머신러닝까지 50가지 핵심 개념> 을 읽고 정리한 내용입니다.

profile
My_Spielraum

0개의 댓글