데이터과학 삼학년

SHAP을 활용한 기여도 시각화 - 의사결정 트리는 모델에 대한 해석이 쉽지만 많은 변수를 볼수 없고, 랜덤 포레스트는 모든 변수를 확인할 수는 있으나 feature 값이 커지면 결과의 변화정도를 알기 어려움 - 위와 같은 문제 해결을 위해 SHAP을 이용할 수 있음 (treeSHAP) - 아래 결과는 SHAP summary_plot - 세로축은 Feature importance 순서대로 나열 가로축은 SHAP value(0)를 기준으로 왼쪽일 수록 음의 방향으로 기여, 오른쪽일수록 양의 방향으로 기여 feature의 값을 의미하는 색 : 파란색은 낮은값, 빨간색은 높은 값 파란색이 왼쪽, 빨간색이 오른쪽으로 넓게 퍼져 있으면 feature값은 반응변수와 강한 양의 상관관계가 있고, 반대면 음의 상관관계..

AARRR - 중요한 것은 일을 "많이" 하는 것이 아니라 "지금 가장 필요한 일"에 집중해서 성과를 만들어 내는 것 - 사용자의 이용 흐름에 따른 핵심 지표를 정의하는데 매우 효율적으로 활용 가능 - 고객유치 -> 활성화 -> 리텐션 -> 수익화 -> 추천 - 사용자가 서비스에 진입하고, 핵심 기능을 사용하고, 결제하고, 이탈하는 라이프사이클 전반에 걸친 핵심 지표를 찾고 관리 Acquisition - 고객 유치 과정의 핵심은 고객 유치에 기여(Attribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것 - 어떤 채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제로 전환되는 비율이 얼마나 되는지 Organic vs Paid user - Organic : 자발적으로 서비스에 찾아오..

클라이언트 측에서 동적 처리를 하는 웹페이지 예시 예시로 간단한 To-Do 리스트 애플리케이션 만들기!! 파일 구조 ├── static │ ├── script.js │ └── styles.css ├── templates │ └── index.html └── web.py HTML 파일 (index.html): To-Do List Add Task CSS 파일 (styles.css): body { font-family: Arial, sans-serif; margin: 20px; } #app { max-width: 400px; margin: 0 auto; } ul { list-style-type: none; padding: 0; } li { margin-bottom: 8px; } .completed { text..

파이썬은 정말 편한 언어다. 변수의 타입이나, 파라미터의 타입을 지정할 필요가 없다. 타입도 계속 바꿔서 사용할 수 있다. 그러나, 이런 타입을 지정해서 처리하는 방법도 있다. def example_function(param1: int = 0, param2: str = "default_value") -> str: # 함수 내용 result = f"{param1} - {param2}" return result # 함수 사용 예시 output = example_function(42, "custom_value") print(output) 숫자 덧셈 함수 def add_numbers(a: float, b: float) -> float: return a + b result = add_numbers(3.5, 2.7..