| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
- 차가운바다
- research
- Advertisement
- olpost
- 심리학
- frozensea
- Marketing
- 카메라
- 브랜드
- ad
- 대인관계
- 광고조사
- 광고학개론
- 소비자
- 커뮤니케이션
- 손무
- 손자병법
- cmos00
- 광고
- Dslr
- 매체
- 손자병법 활용
- 마케팅
- communication
- 리서치
- 손자
- 경영전쟁
- 올포스트
- 경영전략
- 60d
- Today
- Total
목록분류 전체보기 (2041)
cmos00
빨리 잠들지 않는다고 혼나며 아무리 울다가 지쳐서 잠들어도 다음날 아침 아이는 누구보다 행복한 표정으로 일어나 당신을 가장 먼저 찾습니다. 밤새 혼났던 기억을 모두 잊고, 새로운 마음으로 하루를 시작하죠. 정말 이제는 그러지 않기로 했는데 아침에 참지 못하고 사소한 일로 분노해서 학교에 가는 아이에게 큰소리로 화를 냈고 하루를 시작하는 아이 마음을 또 무겁게 만들었지만, 학교가 끝난 후 아이는 누구보다 밝은 표정으로 돌아와 마치 다정한 참새처럼 그날 있었던 일을 부모의 귀에 사랑스럽게 들려줍니다. 부모는 자신이 아이를 매일 용서한다고 생각하지만, 사실 부모는 매일 아이의 용서를 받고 있습니다.부모가 아이의 잘못을 용서한다는 것은 처음부터 앞뒤가 맞지 않는 말입니다. 그건 용서가 아니라, 단지 분노하고 ..
얼마전 아들에게 화를 냈다. 지금 떠올려봐도 참 정신이 나간 것처럼 화를 냈다. 그 어린것에게 왜 이렇게 화를 냈을까? 인스타그램에 이런 글이 떴다. 많은 부모가 아이에게 화를낸다. 자신의 불안의 원인이 아이가 아님에도 부모는 아이에게 화를 낸다. 아이에게 화를 내는 부모의 속마음은 세력으로 따지자면 가장 약한 존재라 만만하기 때문이기도 하고 아이는 내가 없으면 못 살기 때문에 내가 화를 내도 금방 용서할 것을 알기 때문이기도 하다. 부모의 예상대로 아이는 부모가 악다구니를 쓰듯 소리쳐도 엄마, 아빠를 부르며 다시 달려온다. 그 고마움을 모르는 부모가 너무 많다. 아이가 스스로에게는 너무 무섭고 공포스럽고 혼란스러웠던 순간을 너무 쉽게 용서해 주었다는 것을 모른다.생각해보니 맞는 말이다. 나..
1. 개념 데이터 분석 후 이를 특정 군집으로 묶는 방법론 k값은 군집을 몇개로 정의할 것인지에 대한 숫자를 의미 2. k값을 구하는 방법 CCC 통계량 (Cubit Clustering Criterion) 군집수 증가에 따라 (x축), CCC 통계량이 어떻게 변하는 지 (y축) 표시 이를 통해 가장 높은 y축 값을 보인 x축 (군집수)의 값 중 적합한 모수를 보이는 값을 k값으로 채택 (ex. 19가 1안, 3이 2안, 12이 3안 순으로 적합) 스크리 도표 요인 증가에 따라 (x축), 고윳값 (y축)이 어떻게 변하는 지 표시 요인이 증가할 때 경사가 갑자기 가파르게 감소하는 구간 직전 값을 k값으로 선택 (ex. 2) 단, 가파른 구간까지 요인이 너무 커질 경우 (ex. 10, 20, 30...으로 커..
1. 학습 방법 통계 학습: 통계학을 기반으로 데이터 분석을 하는 방법 기계 학습: 컴퓨팅을 기반으로 데이터 분석을 하는 방법 2. 세부 구분 구분 설명 방식 대표 방법론 지도 학습 X값을 넣고 이에 대한 결과로 Y값이 추출되는 경우 사용하는 분석 방법 X와 Y의 상관 관계 (원인과 결과 관계 추론) 분석 회귀 선형 회귀 분류 로지스틱 회귀, 의사 결정 나무, 판별 분석, 서포트 벡터 머신, k-최근접이웃 비지도 학습 X값을 넣었을 때 별도의 Y값이 없는 경우 사용하는 분석 방법 관측치를 묶어서 그룹화 하거나 변수의 개수를 줄이는 작업 진행 그룹화 k-평균 군집 분석 차원 축소 주성분 분석
1. 대표 거리 측정 모델 유클리드 거리: 절대적인 수치로 비교 대상이 얼마나 가까이 있는 지 기준 피어슨 상관거리: 거리보다는 패턴의 유사도가 얼마나 있는 지 기준 2. 예시 항목 변수 1 변수 2 변수 3 변수 4 변수 5 유클리드 거리 피어슨 상관거리 A 2 8 12 4 2 - - B 2 0 0 2 0 17.70 -0.55 C 4 2 3 1 1 11.45 0.19 D 6 7 10 0 6 7.28 0.60 E 1 4 6 2 1 7.62 1.00 유클리드 거리: 수치가 낮을수록 비슷 피어슨 상관거리: -1 ~ 1로 수치가 나타나며 -1이나 1에 가까울수록 비슷하며 0에 가까울수록 관련이 없음 주의: 분석 시 데이터 표준화를 반드시 거쳐야 함 3. 데이터 표준화 개요 유클리드 거리 측정법을 사용할 겨우 ..
1. 개요 선형회귀나 로지스틱회귀는 여러 변수간의 관계를 분석하는 용도 다만 구체적인 액션 플랜 (ex. 연매출 얼마 이상, 고객만족도 얼마 이상인 매장 점장 성과급 지급)을 세우기에는 부적합 이때 의사결정나무를 통해 각 연관 항목 별 적합 수치를 도출할 수 있음 의사결정나무는 수치형, 범주형 모두 분석 가능하며 각각 회귀나무, 분류나무라 명명 회귀나무는 결과가 수치 분류나무는 결과가 Yes, No 장점: 분석결과를 바로 액션 플랜으로 만들 수 있음 단점: 타 분석 모델보다 정확도가 5%정도 낮게 나타남
1. 회귀 분석 방법 결과가 수치로 나오며, 분석되는 데이터가 수치형이어야 함 종류 : t-검정 (t-test), 분산 분석, 선형 회귀 (Linear Regression) 등 2. 분류 분석 방법 분석되는 데이터가 범주형 (ex. 우편번호, 랭킹, 재구매 여부)을 분석 재구매 : Boolean값이며, 이는 수치가 아니며 발생할 가능성을 이해하기 위해 "확률"로 표기 (때문에 범주형) 종류 : 로지스틱 회귀 (Logistic Regression), 판별 분석 (Discriminant Analysis), 서포트 벡터 머신 (Support Vector Machine), 의사결정 나무 (Decision Tree), k-최근접이웃 (k-Nearest Neighbors) 등 3. 로지스틱 회귀 자세히 보기 일반 ..
오늘은 참 많은 실수를 한 날이다. 대부분 나의 실수는 성격으로 부터 나온다. 욱하는 성격! 의견차이로 인해 욱하게 되면 다른 건 신경쓰지 않고, 내 의견을 주장하는 데 집중한다. 그리고 답답한 감정을 주체하지 못하고 표현하게 된다. 이해 못하겠다는 표정, 답답하다는 말투, 달아오르는 피부색... 지금 돌아보면 참 부끄럽고, 후회되고, 창피하고, 스스로 왜 이렇게 성숙하지 못한 사람인지 반성하게 된다. 오늘이 그런 날이다. 물론 내 주장이 맞고 타인의 주장이 틀릴 수도 있다. 반대의 경우도 물론 존재할 것이다. 하지만 무엇이 정답인지 중요하지 않다. 논리도 중요하지 않다. 중요한 것은 내가 내 의견을 펼치면서 얼마나 내 감정을 제어했느냐 이다. 감정을 제어하지 못하면 결국 누군가에게 상처를 주게 된다. ..
1. 변수 종류 독립변수 다른 변수에 영향을 받지 않는 변수 독립변수가 2개 이상일 경우 "다중"이라고 표현 (독립변수가 2개 이상일 경우 독립변수 사이에 상관관계가 존재하지 않아야 함) 즉, 독립변수가 2개 이상이면 두개의 상관관계 그래프가 정비례나 반비례 관계를 형성하지 않고, 상관관계 계수가 0에 최대한 가깝게 나와야함 종속변수 : 다른 변수로부터 영향을 받는 변수, 종속변수가 2개 이상일 경우 "다변량"이라고 표현 2. 표현 학문 X Y 통계학 (통계 학습) 독립변수 종속변수 설명변수 반응변수 보조변수 연구변수 컴퓨터공학 (기계 학습) 특징 라벨 입력 출력, 산출, 결과 데이터과학 입력 목표 예측변수 피예측변수 3. 데이터 형태에 따른 정의 범주형 : 질적 변수 수치형 : 양적 변수 참고 : 양적..
1. 데이터 종류 양적요인 : 매장크기, 주차장 면수, 휴게실 유무 등 숫자로 딱 떨어지는 데이터, 숫자가 아니더라도 이름, 용어 등 문자로 된 것일 수 있음 질적요인 : 고객 만족도, 직원 친절도 등 사람이 느낀 것. 질적 요인을 양적 요인으로 바꿔줄 수 있어야 하며 이렇게 바뀐 데이터가 얼마나 신뢰할 수 있는 지 (객관화) 관건 2. 질적요인의 양적 요인화가 어려운 이유 예를 들어 역량을 평가하는 데 있어서 항목을 정한다 하더라도 전체 역량이 이 항목들에 100% 수렴되지 않음 각 항목을 정했더라도 어느 지점이 100점인지 객관화하기 어려우며, 각 항목이 전체 역량을 표현하는 데 몇 % 수준 (ex. 20:30:50)으로 분배되는 지 정하는 것도 무리 질적요인을 측정하는 데이터의 기준이 바뀌게 되면 ..