(5월 3주차에는)
- 통계 기출문제
직원들의 주요 생산성 요인 분석 -> 다중회귀
고객 이탈 요인 분석
각 학생에 대해 학습 전과 학습 후의 시험 점수 측정 -> TTest
고객의 제품 구매 여부 예측 -> 로지스틱 회귀 분석
- 통계
자기상관함수, 확률보행프로세스, 베이스라인모델
이동평균예측, 롤링예측, MSE, 자기회귀과정, 편자기상관함수
시계열 분석, 정상성 확인, 차분, ACF/PACF그래프, AR, MA, ARMA, ARIMA, SARIMA 모델, Q-Q, 융-박스, MAPE
- 통계 미니 프로젝트
00약품사의 처방 건수 예측하기
전반적인 느낀점 (notion 참조)
Python통계이동평균예측 / 롤링예측 / MSE / 자기회귀과정 / 편자기상관함수
Python통계기출문제 (ttest, logit_model)
Python통계시계열 분석 전체 흐름 및 의의, 패키지 정리⭐⭐
시계열 분석의 흐름을 잡고자 전체 흐름 및 의의를 공식 문서를 참고하여 정리해봤다.
도식화부터 베이스라인 모델 비교까지 총 9단계로 정리했으며, 해당 단계마다 뭘 하는 지도 작성했다.
특히, ACF / PACF 그래프와 AR / MA / ARMA / ARIMA / SARIMA 모델이 혼용되어 헷갈렸는데 ACF,PACF와 AR,MA,ARMA,ARIMA,SARIMA는 서로 다르다는 것을 알게되었다.
Python통계(최종)정리하기 / mini-project
좋았던 점
시계열 데이터에 대해 주로 다뤘으며, 해당 데이터를 가지고 예측을 한다는 게 꽤 재밌게 느껴졌다. 예측의 방식이 데이터의 내용 (연속이냐 이분적이냐, 계절성을 띄는가 안띄는가 등)에 따라 방식이 달라 어느 데이터에 어떤 방식을 써야하는 지가 혼동스러웠다.
따로 정리할 시간을 주셔서 시계열 분석의 흐름을 한 번 정리했고 흘러가는 방향에 대해 얼추 감을 잡을 수 있었다.
다음주 계획
시계열 분석에 대해 확실하게 이해하고자 문제를 추가적으로 풀어보고자 한다.
UX 기획도 하고 서비스 기획도 하고 PM도 하고 프론트도 하고 PL도 하는 중