예측에 여백을 붙일 때, 폭은 누가 정할까?
보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
대학생 수면 관찰 연구와 수면 유인 현장실험을 골라 보며 연관, 개입 묶음의 인과효과, 적용 대상의 범위를 구분합니다.
Sleep quality, duration, and consistency are associated with better academic performance in college students
배달 횟수, 용기 회수율, 회수 거리와 한 번에 모으는 수를 바꾸어 재사용 방식의 제작·세척·물류 경계를 일회용 모형과 비교합니다.
Packaging waste
주디아 펄의 입문 논문은 관찰된 연관성만으로 인과 효과를 정할 수 없으며, 어떤 인과 가정을 두었는지 명시해야 한다고 설명합니다. 구조적 인과모형과 그래프, 개입 표기를 연결해 인과 질문의 논리적 토대를 살펴봅니다.
인과추론 입문 (An Introduction to Causal Inference)
인과 다이어그램은 교란 경로와 매개·충돌 변수를 구분합니다. 상관이 큰 변수부터 넣는 선택은 편향을 만들 수 있습니다.
Robust Causal Inference Using Directed Acyclic Graphs: the R package ‘dagitty’
16–20 / 70편