Be Brave, Be Humble

간혹 두 그룹이 유의한 차이가 나지 않는다는 것을 주장하고 싶어하는 경우 'p-value가 0.05보다 크므로 두 그룹은 같다'고 기술하는 연구자들이 있습니다. 이러면 이제 리뷰어가 "그래? 잘 걸렸다" 하는거죠. p-value가 0.05보다 크다는 것은 두 그룹이 같다는 것이 아닙니다. 단지 두 그룹의 유의한 차이를 밝히지 못한 것 뿐입니다. 뭐가 다르냐 싶겠지만 통계적 관점에선 다릅니다. 유의한 차이를 밝히지 못했다는 것은 샘플 수가 증가하면 유의한 차이가 날 수도 있다는 말이기도 합니다. 정말 '같다'는 것을 주장하려면 동등성 검정을 해야합니다만, 동등성 검정은 샘플 수가 훨씬 많이 필요합니다. 우리가 이만큼 많은 샘플로 테스트 해보았는데도 차이가 없더라~하는 것을 입증해야 하기 때문입니다. 경험상..

Deep Learning과 Machine Learning의 목적은 정확도를 올리는 것이 아니라, weight와 bias의 업데이트를 통해 loss를 최소화하는 예측값을 찾는 것임. input data를 X, 가중치를 w, bias를 b라고 하면 Linear regression은 (X*w + b) 연산을 통해 예측한 Y로 loss를 산출하고 (Y-target) Logistic regression은 Z = (X*w + b)에 비선형성을 추가하기 위해 activation function으로 sigmoid를 적용하여 예측한 Y로 loss를 계산 Deep leaning은 여러 층에 걸쳐 (X*w + b)에 activation function를 적용한 후 계산된 Y로 loss 산출 CNN은 convolution 연..

M.A. Statistics (Survival Analysis Lab.) Natural Language Processing과 Computer Vision을 주로 포스팅 합니다. GitHub : https://github.com/BeBrave-BeHumble