Data miner/Kaggle Notetaking
-
[A/B testing] 예시 프로젝트 1Data miner/Kaggle Notetaking 2023. 1. 18. 12:07
"새롭게 런칭한 웹페이지의 고객 전환율이 이전 웹페이지에 비해 나아졌을까?" 실제로 새롭게 수정한 웹페이지의 화면을 서비스에 배포하기 전에, 이 방식이 이전보다 나은 방식인지를 통계적으로 유의한지 검증하는 작업이 필요하다. A/B testing은 그것을 검증하는 방법이다. 1. 실험설계하기 1-1. 가설설정하기 귀무가설 : "수정된 웹페이지 화면이 고객 전환율에 의미있는 영향을 끼치지 못한다/ 고객 전환율 향상이 없다" 대립가설 : "수정된 웹페이지 화면이 고객 전환율에 의미있는 영향을 준다/ 고객 전환율 향상이 있다 (예. 2%의 향상)" 양측검증, 왼/오 단측검증의 방법이 있으며, 이번 포스팅에서는 양측 검증*에 대해 다루고자 한다. 귀무가설 혹은 대립가설을 채택할 것인가 기준이 되는 값이 그 유명한..
-
[Dataset] OTTO – Multi-Objective Recommender SystemData miner/Kaggle Notetaking 2022. 11. 30. 16:05
- 데이터셋 소개 (링크 : https://www.kaggle.com/competitions/otto-recommender-system/data?select=test.jsonl) OTTO – Multi-Objective Recommender System | Kaggle www.kaggle.com 본 데이터셋의 모델링 목표는 이커머스 클릭, 카드 물품 추가 항목 및 순서를 예측하는 것이다. 따라서 우리는 이전 세션의 로그들을 참고하여 다양한 목적의 추천 시스템을 구축해야 한다. Train Data에는 이커머스 세션 전체 데이터가 있다. Test 단계에서는 각각의 session별 aid(article id/제품 id)를 각각의 제품 로그 데이터(event type)와 결합하여 예측해야 한다. (ex. ses..