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 | 29 | 30 |
- Sharp RD
- confounder
- 교란변수
- 사영
- 최소제곱법
- 통계
- 단순선형회귀
- Instrumental Variable
- LU분해
- 인과추론
- 잔차의 성질
- 머신러닝
- 네이버 뉴스
- Omitted Variable Bias
- 인과 추론
- 교란 변수
- simple linear regression
- 크롤링
- least square estimation
- rct
- 누락편의
- Python
- 선형대수
- 예제
- 회귀불연속설계
- OVB
- HTML
- backdoor adjustment
- residuals
- causal inference
- Today
- Total
목록AB test (2)
Always awake,

본 포스팅은 Offline Policy Evaluation에 대해 정리한 글입니다. 아래의 내용을 참고하였습니다 Offline Policy Evaluation: Run fewer, better A/B tests How offline policy evaluation works, examples on how to use it, and lessons learned from building OPE at Facebook edoconti.medium.com OPE 개요 우리는 비즈니스에서 목표(매출, 클릭율, 접속)를 개선하기 위해 의사결정을 하기 위해 A/B test에 많은 시간 및 자원을 소비하고 있습니다. 예를 들면 사용자의 클릭율 측면에서 어떤 UI가 좋은지 의사결정을 하기 위해 여러 안을 구성하고 접속한 ..

개요 우리는 실험이 필요하다 이전 인과분석 방법론 포스트에서 우리는 교란 요인을 제거하고 원인 변수의 효과를 확인하기 위해서는 RCT(Radomized Control Trials)가 필요하다고 하였습니다. 관찰된 데이터(observational data)에서는 교란 요인의 영향이 존재할 가능성이 높고, 교란 요인에 의해 처치가 결정되는 자기 선택 편향(selection bias)이 발생합니다. 때문에 원인 변수(처치)를 기준으로 두 집단을 나누어도 처치 이외의 특성이 평균적으로 동일하지 않게 되고 결국 두 집단을 비교한 결과가 인과 효과가 아니라는 것입니다.(참고 : 교란 변수) 물론 교란 요인을 통제하여 인과 효과를 측정할 수 있습니다. 하지만, 교란 요인이 무엇인지 알기 힘들 뿐더러 모든 교란 요인을..