[전용준. 리비젼컨설팅] 머신러닝 예측모델링의 전제와 가정 머신러닝 예측모델이 맞지 않는 이유는 데이터, 알고리즘, 예측 대상 설정 중 어딘가가 잘못되어 있기 때문. 그렇다면, Data와 Algorithm 중 어디를 고치는 것이 더 중요할 것인가? 머신러닝 예측모델의 전제와 가정 (Impicit Assumptions?) [1] 과거가 미래의 척도가 된다 [2] 분석에 필요한 데이터가 존재한다 [3] 데이터가 예측하려는 내용을 담고 있다 이 전제사항들 중 무언가가 성립하지 않는다면 정확한 예측을 할 수 있는 모델이 만들어질 수 있겠는가? [유튜브 영상 : TUTORIAL] 검토한다고 해보았으나, 가정이 성립하는지에 대한 판단이 어렵다면? 전제사항이 부분적으로만 충족된다면? 어쩌면 예측모델링이 무의미하거나,..

# [파이썬] Numpy와 Pandas 구글 검색 지수 추이 비교 - 시각화 # 구글트렌드의 검색지수 데이터를 다운로드한 후 import gt01 = pd.read_csv(dataPath + 'numpy_pandas_gt_20190808.csv') gt01.head() #------- # 추이를 비교해서 살펴볼 수 있도록 재집계하여 시각화 import matplotlib.style as style style.use('fivethirtyeight') # 년-..

[KDATA VDXF] 금융분석 R https://cran.r-project.org/web/packages/insuranceData/insuranceData.pdf R Package ‘insuranceData’ [프로젝트 결과문서PPT 포함할 내용(Example)] ------------ ● 프로젝트 범위 - 사용데이터, 주제, 분석방법 (= 무엇까지만 하고자 했는지) ● 분석주제의 특성 (예: 문제의 업무적 중요도, 주요이..

온라인 서점 고객세분화 Visual Data Exploration 예제 http://blog.daum.net/revisioncrm/405 (R버전인) 서점 고객세분화 사례 - 연습문제의 파이썬 버전 (2019.07) [NOTE] 1. 파이썬을 활용한 고객데이터 분석 실전 교육용 예제로 만든 것입니다.개인적인 학습 목적으로 활용하는 것은 허용하지만 사전 동의 없이 상업용 교육을 위해 활용하는 것은 허용하지 않습니다.2. 데이터 역시 가상적으로 생성한 것이며 어떤 실제 업체와도 무관합니다.3. 저작권은 [전용준. 리비젼컨설팅]에 있습니다. 문의 필요시 [리비젼컨설팅]에연락하시기 바랍니다. In [1]: import numpy as np import matplotlib.pyplot as plt import p..

유통업의 추천서비스 구현 -- Drill using R 20190521 ~ 20190522 [전용준 리비젼 recsys r] [전용준 리비젼 recsys r] Sample Data: mDataAR.csv Script : retail_recsys_YONG_revision_script20190425.txt _review_R_EDA_scrpt_201910.txt recsys_YONG_revision_R_script20191023.txt ############## recsys_YONG_revision_R_script20191112_ABC.txt ########## recsys_YONG_revisi..

2019 비아이컨퍼런스: 사례를 통한해 본 AI와 BI >> 발표자료 [전용준] 리비젼컨설팅 대표 -- 비즈니스 머신러닝 적용사례들의 교훈 - 기대와 실제의 차이 머신러닝 - 적용사례들의 핵심적 교훈 :: [1] Staffing is the key - 기술, 경험, 관리 가능한 [머신러닝] 팀 필요 [2] Don’t hurry - 상당한 시간과 시행착오 당연 [3] Make it simple - 감당할 수 없다면 소용없음 - 작더라도, 작동하고 운영되는 [머신러닝]의 성공을 축적하라 [ 영상] [강연자료 Download] 비즈니스 머신러닝 사례들의 교훈: 기대와 실전의 차이 - 전용준. 리비젼컨설팅 대표. 경영학 박사. 전용준_리비젼_BizMLinPractice_20190411F.pdf 전용준 리비젼컨설..