Causal Inference2 인과추론에서 머신러닝이 필요한 이유 최근, 인과추론에 Tree 계열이나 Neural Network 모델 같은 복잡한 머신러닝 모델을 활용하고 있습니다 (보통 Tree 모델을 많이 사용). 이렇듯 인과추론에 머신러닝 모델을 활용하는 이유는 뭘까요? 바로, CATE(Conditional Average Treatment Effect)를 계산하기 위함입니다. CATE란 샘플 특성에 따른 Treatment Effect인데요, 현실에선 모든 샘플이 같은 효과를 가지기 보단, 샘플 특성에 따라 효과가 달라지는 경우가 많습니다. 예를들어, A신약은 고연령층 남성에게 더 효과적일 수 있고, 특정 마케팅은 10대 라이트 유저에게 효과적일 수 있습니다. CATE는 ATE에 숨겨진 더 많은 인사이트를 제공하고, 이를 마케팅 등에 유용하게 활용할 수 있습니다. .. 2023. 8. 23. A/B Test란? 1. A/B Test란? A/B Test는 특정 처치(treatment)가 효과가 있는지 알아내는 방법입니다. 여기서 treatment는 실험에 따라 새로운 회원가입 방식/프로모션 등이 될 수 있습니다. 이를 위해, 집단을 임의로 두 집단으로 나누고(treatment/control group), 특정 그룹에만 treatment를 적용합니다. 이후 두 집단의 성과를 비교함으로써 treatment의 효과를 측정합니다. 여기서 핵심은 두 집단이 랜덤하게 분배되어야 한다는 것입니다. 즉, 두 그룹은 treatment를 제외한 모든 특성이 동일하여야 합니다. 그렇지 않으면, selection bias로 인하여 treatment의 효과가 잘못 측정될 수 있습니다. 2. 테스트 결과 검증 실험 결과, treatmen.. 2023. 8. 5. 이전 1 다음
