머피 책 공부하면서 새롭게 알게된 사실 또는 궁금한 부분에 대한 기록입니다.순서형 변수머피책의 첫 섹션에서는 기본적인 머신러닝의 목적과 개요에 대해 이야기합니다. 분류문제의 내용을 읽는 중, `순서형` 범주에 관심이 쏠렸습니다. 범주형 반응변수에서 3가지 이상의 범주를 갖는 경우를 명목형 변수라하며, 그것이 순서의 특성을 갖는다면 순서형 변수라고 합니다.  그렇다면, 순서의 특성을 갖는 반응변수를 단순 명목형 변수로 더미코딩 (또는 원핫인코딩) 한다면 어떤 단점 또는 문제가 있을까요? 결론부터 말씀 드리자면, 연구의 목적에 따라 명목형으로 반응변수를 다루어도 큰 상관은 없어보입니다. 다만, 상황의 차이에서 오는 문제와 방법론이 갖는 고유한 차이점만 존재하는것 같습니다.Prediction통계의 관점에서 분..

여러분, 비행기를 타본 적 있으신가요? 오늘은 공항과 비행 항로가 만드는 놀라운 네트워크의 세계로 여러분을 초대합니다. 이 네트워크에는 우리가 미처 몰랐던 흥미로운 비밀이 숨어있답니다!🌎 지구를 감싸는 비행 네트워크전 세계의 공항과 비행 경로를 하나의 거대한 네트워크로 상상해보세요. 이 네트워크는 수학적으로 그래프로 모델링할 수 있어요. 공항은 노드(점)가 되고, 비행 경로는 엣지(선)가 되죠. 흥미로운 점은, 이 네트워크가 단순히 무작위로 연결된 랜덤 네트워크가 아니라는 거예요. 현실 세계의 많은 네트워크처럼, 비행 네트워크도 어떠한 특성을 지닌  '스케일 프리 네트워크'의 형태를 보입니다. 🧠 랜덤 vs 스케일 프리랜덤 네트워크: 모든 노드가 비슷한 수로 랜덤한 연결을 가질 확률이 높아요.스케일 ..