후향적 연구의 인과추론을 위한 PSM, IPTW (stabilized + truncation), 균형 진단, robust sandwich estimator 짝꿍, 그리고 더 진보된 clone censor weighting과 target trial emulation까지. 카운터팩추얼 프레임에서 출발해 실무 코드까지 정리.
임상 생존분석 실무 노트. 약 복용 시점을 index date로 잡으면 생기는 immortal time bias, exposure period로 보정하는 방법, 그리고 cause-specific vs Fine-and-Gray 모델 + matchit 코드까지 정리.
분류(classification) ML 프로젝트의 전반적 워크플로 — 변수 탐색·결측·다중공선성·인코딩·스케일링·변수 선택부터 모델링·평가까지 단계별로 정리한 실무 가이드.
Linear regression과 달리 닫힌 해가 없는 logistic regression. Likelihood, MLE, gradient descent 흐름과 sigmoid 기반 예측·분류까지.
Gradient Boosting을 빠르고 확장 가능하게 만든 XGBoost. 근사 split finding, sparsity-aware split, 그리고 시스템 설계 (column-wise pre-sorted) 까지.
단일 perceptron의 한계를 극복하기 위해 여러 perceptron을 결합한 MLP. Hidden node의 역할, XOR 문제 해결, 그리고 backpropagation까지.
이진 분류 알고리즘 SVM의 기본. 선형 분류기 목적, 마진 너비 도출, 마진과 VC 차원의 관계, 그리고 hard margin 선형 SVM의 primal → dual 변환과 support vector 개념까지.
Bagging의 특수한 형태로, decision tree를 base learner로 쓰면서 분기 시 변수도 무작위로 선택해 다양성을 한층 확보하는 앙상블. 일반화 오차 공식과 OOB 기반 변수 중요도까지 정리.
복잡한 분포 f(x)의 기댓값·분산을 구하기 어려울 때, 정규분포 같은 proposal h(x)를 옮겨가며 accept/reject로 표본을 모으는 Metropolis-Hastings 알고리즘. 다봉 분포 예시로 시각적으로 설명.
복잡한 분포 f(x)에서 직접 샘플을 뽑기 어려울 때, x·y축에 균등 분포로 점을 흩뿌리고 곡선 안쪽 점만 채택하는 acceptance-rejection 샘플링. 기하학적 직관으로 단계별 정리.