머신러닝 모델을 모델링 하는데 있어서 중요한 개념인 조건부 확률의 베이즈 정리와 인과 관계에 대해서 알아보자. 베이즈 정리 조건부 확률을 이용해서 새로운 정보가 주어졌을 때 정보를 갱신할 때 사용한다. B라는 새로운 정보가 주어졌을 때 P(A)로부터 P(A|B)를 계산하는 방법을 제공한다. 사후확률 : 데이터가 관찰되었을 때 파라미터가 성립할 확률 사전확률 : 데이터를 관찰하기 전, 사전에 가정하고 있는 확률 가능도 : 현재의 파라미터에서 관찰된 데이터가 등장할 확률 Evidence : 데이터의 분포 사전 확률을 가능도와 Evidence를 활용해 사후확률로 업데이트 한다. 새롭게 데이터가 관찰될 때마다 사후확률을 업데이트할 수 있다. 인과 관계 인과 관계는 데이터 분포가 바뀌더라도 예측 정확도가 유지될 ..
