[TIL] 오예은_200917

### 키워드
`베이지안 추론` `조건부확률` `true-positives` `false-positives`

### 배운 것
* 전통적인 관점: 빈도기반(빈도주의) (ex. 100번 동전을 던졌을 때 50번은 앞면이 나온다. -> 1/2확률 )
* 베이지안:
기존에 우리가 알고 있는 인사이트를 추가적인 데이터를 반영해서 인사이트를 확장하고 조절한다.
-> 추가되는 데이터가 많아질 수록 인사이트가 정교화된다.
-> 데이터가 방대한 현대사회에서 뜨고 있다.
->확률을 '주장에 대한 신뢰도'로 해석 (ex: 동전의 앞면이 나왔다는 주장의 신뢰도가 50%다.)

* 베이지안 이론 공부 단계(적용하기)
- 기본: 베이지안 이론 이해
- 응용: 베이지안 클레시파이어
- 심화: 베이지안 러닝(likelihood 이용 - 어떤 이벤트를 해야 확률을 높일 수 /낮출 수 있을까?)

* 조건부확률 - 어떤 이벤트가 일어났을 때 특정 사건이 일어날 확률

### 느낀 점
- 가설을 검정하는 것이 아니라 가설 자체를 주장으로 보고 주장에 대한 신뢰도를 평가한다는 베이지안의 개념 자체가 새로운 느낌이다.
- 예전에 콜센터에서 근무할 때 상사분이 SMS발송에 대한 반응도를 살펴볼 수 있도록 방법을 알아보라고 했었는데 그땐 어떻게 해야할지 감이 안잡혔다. 그런데 오늘 베이지안을 알고 나니 베이지안 추론방법을 그 부분에 적용한다면 시간이 지남에 따라 (SMS를 여러번 발송하고 나면) 반응도를 더 정확하게 예측할 수 있지 않을까 하는 생각이 들었다.
- 다만 신뢰구간에 대한 개념을 적용하는 부분이 아직 헷갈리는데 이 부분은 오늘 정리를 해야겠다.