제일 좋아하는 classifier xgboost
클러스터링 dbscan
분석 초기에 정확도 60% 이하면 머신러닝 나가리.
자기가 좋아하는 걸로 돌려보고 하루 이틀 만에 견적 잡아본다고.
분석조직이 수비 조직에서 공격 조직으로 넘어가는 전환점이 a/b 테스트 플랫폼
카카오는 직접 만들었다.
일반 스타트업 구글 옵티마이즈 써도 된다.
프론트단의 실험 먼저 하는 걸 추천. 사람들이 우와해주는게 있다.
작고 빠르게 실험해볼 수 있고 성과/반응이 보이니까?
숫자가 확 표가 난다.
http://www.secmem.org/blog/2019/01/10/discounted-thompson-sampling/
두 개가 눈으로 봐도 애매하면 실패라고 간주
둘 다 안 씀.
MAB , 톰슨 샘플링 쓰고
그것이 내는 평균값이 눈으로 봐도 명확할 때.
t-test
p-value
등 검증 돌릴 때
긴가민가 모를 때 하는데
그때 도입하면 안 되더라.
- 검정까지 쓰는 건 잘 모르겠다.
- 굳이 써야 한다면 t-test 많이 썼다
명확하게 눈에 빡 보이는 걸 도입해도 성과 있을까 말까.
https://brunch.co.kr/@kakao-it/84
딥러닝 기반이 FTRL보다 나았다
http://www.yes24.com/Product/Goods/79211945
마음의 회계, 감정의 회계
http://blog.daum.net/bo6ta9/902
http://chojr.blogspot.com/2012/09/blog-post_9672.html