어제 배운 상관계수, 결정계수에 대해 복습하면서 더 공부하고, 부족한 부분을 채우기 위해 더 필요한 부분이 무엇인지 알아보자. 그 다음으로 수식을 Python을 통해 구현해볼 것이다. 마지막으로 numpy의 상관관계 내장 메서드를 알아볼 것이다. 주관적으로 이해한 상관계수란, 두 데이터 집단의 상관 정도와 얼마나 관계가 강한지 알수 있는 지표. 상관계수가 1에 가까울 수록 더 강한 양의 상관 관계를 가지고, -1에 가까울 수록 음의 상관 관계를 가진다. 0과 가까울 수록 두 데이터 집단은 관계가 없다고 볼 수 있다. 하지만 상관계수가 0이라고 해서 두 집단이 독립된 집단이라고 판단할 수는 없다. 많이 사용되는 상관계수로는 피어슨 상관계수, 스피어만 상관계수가 있다. 정도가 되겠다. 상관계수를 구하는 수식..

오늘 배운 공분산에 대해 복습하면서 더 공부하고, 부족한 부분을 채우기 위해 더 필요한 부분이 무엇인지 알아보자. 그 다음으로 수식을 Python을 통해 구현해볼 것이다. 마지막으로 numpy의 공분산 내장 메서드를 알아볼 것이다. 주관적으로 이해한 공분산이란, 두 데이터 집단의 상관 정도를 나타내는 지표. 방향성(비례, 반비례)은 제시할 수 있으나, 강도(얼마나 강력하게 관계를 가지는가)는 판단할 수 없다. 따라서, 공분산이 양수인지, 음수인지에만 초점을 맞춰서 판단해야 한다. 정도가 되겠다. 공분산을 구하는 수식을 알아보자. 하나 씩 잘라서 확인해보자. 가장 안쪽의 x의 편차를 구하는 수식이 보인다. 편차에 대해서는 분산, 표준편차를 공부하며 알아보았다. 편차는 관측값(데이터)와 평균값의 차이다. 그..

오늘 배운 분산, 표준편차에 대해 복습하면서 더 공부하고, 부족한 부분을 채우기 위해 더 필요한 부분이 무엇인지 알아보자. 그 다음으로 수식을 Python을 통해 구현해볼 것이다. 마지막으로 numpy의 분산 내장 메서드를 알아볼 것이다. 주관적으로 이해한 분산이란, 데이터 집단의 평균 값을 기준으로 하여, 데이터 값들이 기준(평균 값)으로부터 얼마나 떨어져 있는 지 알 수 있는 지표. 분산 값이 클 수록 데이터가 불안정하여, 데이터 분석에 사용하기 어려울 수 있다. 정도가 되겠다. 분산을 구하는 수식을 알아보자. 하나 씩 잘라서 확인해보자. 가장 안 쪽의 는 편차를 구하는 수식이다. 편차란, '관측값과 평균값(또는 중앙값)과의 차이'이다. 말 그대로 하나의 데이터와 평균값의 차이라고 볼 수 있겠다. 다..