어떤 내용들을 소개할까요?

Velog 시작!

Velog에 처음 글을 쓰네요. 이전에 깃헙블로그를 통해 글을 쓰려했지만, 깃헙블로그는 블로그스러운 느낌이 덜해서 잘 손이 안가더라고요. 더불어 깃헙블로그는 뭔가 영어로 써야할 것 같은 느낌이 있는데, Velog면 당당하게(?) 한글로 쓸 수 있을 것 같았습니다. 제가 블로그에 적고 공유하고 싶은 내용들은 한글일 때 더 가치있을 내용들이라서요.

저는 통계학과 학부를 나와서 통계학과 석사과정을 진행중에 있습니다. 구체적으로는 "베이지안 인과추론 (Bayesian causal inference)"의 세부 주제를 연구 대상으로 삼고 있습니다. "베이지안 비모수"와 "인과추론" 모두 한글로 된 양질의 자료를 찾기 어려운 것은 물론이고, 세부적으로 들어가면 그 어떤 한글 자료도 없습니다.. 그래서 초반에 관련 논문들을 읽을 때, 더 많은 논문들을 읽어가며 공부했던 기억들이 있습니다.

누군가 베이지안 비모수와 인과추론, 그중에서도 BART (Bayesian Additive Regression Trees)와 교란변수 선택 (Confounder Selection)에 대해 대충 감을 잡고 싶을 때, 참고할 수 있는 블로그가 되고 싶습니다. 관련 주제로 연구를 하는 지금도 코스웍과 다양한 시행착오들을 통해 학습하고 있기에 다소 오류가 있을 수도 있습니다.

이정도 글을 써볼까요?

다음과 같은 주제들에 대해 소개해보려 합니다.

베이지안 비모수

베이지안 비모수 (Bayesian nonparametrics)라 하면 보통 가우시안 프로세스 (Gaussian process; GP)나 디리슐레 프로세스 (dirichlet process; DP)를 생각합니다. 해당 내용들 말고 좀 다른 주제를 소개해보려합니다. GP나 DP는 이미 예전에 많은 연구들이 이어졌어서 한글로된 자료들이 많이 존재하기 때문입니다.

Bayesian Tree, 그중에서도 BART (Bayesian Additive Regression Trees)에 대해 소개하려고 합니다. 베이지안 스타일의 트리 앙상블 모형이고, 왜곡을 더해 직관적으로 표현하자면 베이지안 부스팅 모형이라고 생각하시면 됩니다.

• Bayesian Tree
• BART
• Dirichlet Prior on BART
• BART for Variable Selection

인과추론

인과추론은 이제 통계학에서 가장 핫한 주제가 되었습니다. 인과추론에 관심있는 사람도 그만큼 늘어났구요. 저는 2019년부터 NCSoft 단비블로그를 통해 인과추론에 대해 접하고 그 관심을 대학원까지 이어왔습니다. 다양하게 공부하고 접했던 내용들에 대해 소개하고자 합니다.

그중에서도 일반적으로 교과서에서 다루는 순서대로 토픽을 다룰 생각은 없구요. 제가 궁극적으로 소개하고자 하는 Confounder Selection을 위해 압축적으로 필요한 내용들을 다루고자 합니다. 더불어 베이지안 비모수 모형을 통한 인과추론에 대해서도 다룰 예정입니다.

• 인과추론이란?
• 인과추론에서 발생할 수 있는 편향
• Propensity Scores
• Outcome Regressions
• BART for Causal Inference
• Bayesian Causal Forest

Confounder Selection

Confounder selection은 저의 연구 주제입니다. 복잡한 베이지안 모형을 통해서 정확한 ATE (average treatment effect) 추정과 함께 교란변수를 모형을 통해 자동적으로 선택하고자 합니다.

• Variable Selection in Causal Inference
• Confounder Selection이란?
• Confounder Selection 방법론들
  - Outcome-Adaptive LASSO
  - BAC (Bayesian Adjustment of Confounding)
  • Extension to Bayesian nonparametric