이론

[Sensitivity analysis][Subgroup analysis]민감도 분석,하위그룹 분석

Intro - 민감도 분석 및 하위 그룹 분석은 데이터 분석 및 연구 조사에 사용되는 두 가지 통계 방법 - 두 방법 모두 분석 결과에 대한 서로 다른 변수의 영향을 탐색하는 데 사용되지만 초점과 목적이 다름 Sensitivity analysis - 민감도 분석은 분석에 사용된 가정, 방법 또는 매개변수의 변화에 ​​대한 연구 결과의 견고성을 테스트하는 데 사용되는 방법 - 분석에서 하나 이상의 변수를 변경하여 결과가 어떻게 변경되는지 확인함 - 민감도 분석의 목적은 결과의 주요 동인을 식별하고 결과의 불확실성을 평가하며 연구의 타당성과 신뢰성을 보장하는 것 Subgroup analysis - 하위 그룹 분석은 인구의 여러 하위 그룹에 걸쳐 치료 또는 개입 효과의 차이를 탐색하는 데 사용되는 방법 - 인..

[API][REST API][RESTful API] API, REST API 이론

0. API 1. REST API 2. RESTful API 3. get vs post 0. API - 프로그램 간 상호작용 촉진, 정보교환 - 호출(client) > 응답(server) - 규격: JSON, XML, HTML 등 - application 분리 1. REST API(Representational State Transfer API) - REST 기반으로 API 구현 - 최근 open API의 대부분이 REST API 형식 - micro 서비스, 하나의 Application을 작은 단위로 쪼개어 통합하여 구현 - 시스템 분산 > 확장성, 재사용성 ↑ > 유지보수 및 운용, 운영의 편리성 ↑ - HTTP 표준으로 구현 설계 기본 규칙 도큐먼트: 객체 인스턴스나 데이터베이스 레코드와 유사한 개념..

[MLOps] MLOps 정리

MLOps(Machine Learning Operations) - AI 기반의 서비스를 효율적으로 관리하기 위한 통합 관리 원칙 - 학술계에서는 큰 필요성을 못느끼나 서비스를 지속관리해야하는 산업계에서는 필수적 AI 개발의 스포트라이트 ‘MLOps’ A to Z 알아보기(NVIDIA) ref: https://blogs.nvidia.co.kr/2020/09/11/what-is-mlops/ MLOps: 머신러닝의 지속적 배포 및 자동화 파이프라인(Google Cloud) MLOps 수준 0: 수동 프로세스 MLOps 수준 1: ML 파이프라인 자동화 MLOps 수준 2: CI/CD 파이프라인 자동화 ref: https://cloud.google.com/architecture/mlops-continuous-d..

[evaluation metrics][segmentation model] Segmentation model, 평가지표 정리

[ML][performance matrics] Performance matrics, imbalanced dataset

Performance matrics Confusion matrix Accuracy Precision, Recall F1-score TPR, FPR ROC curve imbalanced dataset Confusion matrix Accuracy (TP+TN)/(TP+TN+FP+FN) Precision, Recall Precision: TP/(TP+FP) Recall: (TP)/(TP+FN) F1-score 2 * (precision*recall)/(precision+recall) TPR, FPR TPR = (TP)/(TP+FN) = Recall FPR = (FP)/(FP+TN) ROC curve imbalanced dataset 1. negative class(0) > positive class(1) h..

[Multi-Class][Multi-Label] Multi class와 multi label의 개념 및 차이

multi-class, multi-label Multiclass classification means a classification task with more than two classes; e.g., classify a set of images of fruits which may be oranges, apples, or pears. Multiclass classification makes the assumption that each sample is assigned to one and only one label: a fruit can be either an apple or a pear but not both at the same time. Multilabel classification assigns t..

[evaluation metrics] 불균형 분류에 대한 평가 지표,Evaluation Metrics for Imbalanced Classification

imbalance 데이터로부터 classification 모델을 만들었을 경우 어떤 평가 지표를 써야할지 고민. 명료하게 정리된 글. ref : https://machinelearningmastery.com/tour-of-evaluation-metrics-for-imbalanced-classification/ Tour of Evaluation Metrics for Imbalanced Classification A classifier is only as good as the metric used to evaluate it. If you choose the wrong metric to […] machinelearningmastery.com