lightnsolt 님의 블로그

목차이상치표본과 모집단중심 극한정리가설검정이상치정의 : 데이터의 전반적인 패턴에서 현저히 벗어난 관측치 -> Noise or Signal데이터 중 평균에서 심하게 벗어난 값 / 2시그마 이상의 데이터 or 박스플롯 수염 이외의 데이터발생 원인이벤트 체리피커 : 이벤트 시에만 참여하는 사용자vvip 구개 고객봇 트래픽 유입 : 자동화된 트래픽트래픽 중복 : 로그 에러입력 오류 : 잘못된 데이터 입력이상치의 영향평균/ 분산 왜곡KPI 왜곡잘못된 의사결정이상치 탐지 방법IQR사분위수 수염 범위 이외의 데이터Z-scorez-score 2(or3) 이상의 데이터이상치 처리 전략제거명백한 오류 / 봇 / 트래커 의 경우대체중앙값, 평균값 으로 대체 / 윈저라이징 / 선형 보간법분리VIP 고객 분리 / 대량 구매 별..

목차로그변환[산포도 - 분산 / 표준편차]정규분포[Z-Score][왜도 / 첨도](#데이터 시각화 - 히스토그램 / 박스플롯로그변환가정) 100명의 구매 데이터 중 1명이 10억을 지불했고 나머지는 1만원을 지불 했을 때.그래프 모양 : 해당 데이터는 한쪽으로 치우친 왜도 형태그래프 형태가 왜도(치우쳐 있다) 일 때 log()를 사용하면 데이터값의 변동 폭이 줄어들어 정규분포에 가깝게 그래프를 다시 구성할 수 있다.파이썬 로그 함수from scipy import statsimport numpy as npnp.log1p("로그 적용할 데이터") # np.log()가 아닌 np.log1p()를 쓰는 이유 : 데이터가 0이 들어가면 무한대 값이 나와서 사전 방지클로드가 알려준 실무 흐름① .skew() 로 왜..

한 줄 요약 | 마케팅 A/B/C 캠페인 데이터를 가지고 이상치 전처리부터 가설검정(t-검정·ANOVA), 상관분석, 선형회귀까지 — "어느 캠페인이 진짜 더 나은가"를 통계로 검증하고 Python(scipy·statsmodels·seaborn)으로 직접 구현하는 방법을 정리한다.목차Part 1. 통계 전처리: 윈저라이징과 타겟 분리Part 2. 추론통계의 기초: 표본 · 중심극한정리(CLT) · 신뢰구간Part 3. 가설검정: 등분산 검정 · t-검정 · ANOVA · TukeyPart 4. 변수 간 관계와 예측: 상관분석 · 선형회귀Part 1. 통계 전처리: 검정에 앞서 데이터를 다듬는다분석의 신뢰도는 모델이 아니라 데이터 품질에서 갈린다. 가설검정과 회귀에 들어가기 전에, 전반적 패턴에서 벗어난 ..

확률변수-> 실험이나 관찰의 결과를 숫자로 매핑하는 함수이산 확률 변수셀 수 있는 값 ex)주사위 눈, 클릭 수연속 확률 변수값이 구간에 걸쳐 있는 경우 ex) 키, 무게, 시간, 클릭률, 확률 핵심 지표기댓값 : 평균적으로 기대되는 값분산 : 평균으로부터 퍼진 정도표준 편차 : 분산의 제곱근어려운 용어확률 가중 합 : 잘 나오는 값엔 힘을 많이 드물게 나오는 값에는 힘을 적게 (가중치) 주사위 : 1/6장기 평균 : 횟수가 많아지면 평균이 수렴한다.분포의 중심 : 평균이 수렴하는 지점조건부 확률

구간을 코드블록으로 재삽입하세요. -->한 줄 요약: Selenium·BeautifulSoup으로 네이버·구글 이미지를 로컬에 다운로드하고, POST 방식 페이지네이션 사이트에서 공공데이터를 DataFrame으로 수집하는 전 과정을 다룬다.목차 이미지 저장 폴더 준비와 네이버 이미지 크롤링 저장 폴더 안전 생성 BeautifulSoup vs Selenium 이미지 요소 추출 placeholder 필터링 & urlretrieve 다운로드 스크롤 포함 전체 코드 수집 누락이 발생하는 주요 원인 구글 이미지 크롤링과 봇 탐지 우회 undetected_chromedriver 도입 선택자 정밀화 & GIF 필터링 ..

한 줄 요약 — 크롤링의 개념과 웹 동작 원리, HTML/CSS 구조를 이해하고, Python의 requests와 BeautifulSoup으로 멜론차트 TOP100을 수집하는 정적 크롤링 전 과정을 정리한다.목차Part 1. 웹 크롤링 개요와 유의사항Part 2. 웹 동작 원리 — 클라이언트·서버·HTTP·URLPart 3. HTML과 CSS 구조, 그리고 선택자Part 4. Python 정적 크롤링 실습 — requests + BeautifulSoup핵심 요약참고Part 1. 웹 크롤링 개요와 유의사항웹 크롤링이란웹 크롤링(Web Crawling)은 자동화된 방식으로 웹사이트에 접근해 원하는 정보만 추출하는 기법이다. 웹 페이지를 탐색하며 데이터를 수집한다는 점에서 웹 스크래핑(Web Scraping)..

한 줄 요약 · Selenium 동적 크롤링에서 끝을 모르는 반복(더보기 버튼)을 안전하게 종료하는 방법, 페이지 이동 후 발생하는 StaleElement 문제를 요소 재탐색으로 해결하는 패턴, 그리고 get_attribute("disabled")로 구매 가능 사이즈를 분리하는 실무 기법까지 한솥도시락과 뉴발란스 두 사이트로 정리한다.목차Part 1. 한솥도시락 메뉴·가격 수집 자동화1-1. 동적 크롤링을 위한 브라우저 준비1-2. 요소 수집과 find_elements의 반환 자료형1-3. 선택자 정교화: 같은 태그를 공유하는 텍스트 분리1-4. 더보기 버튼 반복 클릭과 종료 처리(while + try/except)1-5. 데이터 정리: zip과 DataFramePart 2. 뉴발란스 상품 상세정보 크롤..

한 줄 요약 · requests/BeautifulSoup로 네이버 블로그의 목록과 본문을 수집하는 방법, 그리고 정적 크롤링의 한계를 넘어 Selenium으로 브라우저를 직접 제어해 동적 콘텐츠까지 수집하는 전체 흐름을 정리한다.목차 Part 1. 다중 페이지 수집 코드 함수화 Part 2. 네이버 블로그 목록 정적 크롤링 Part 3. 네이버 블로그 본문 텍스트 추출 Part 4. Selenium 동적 크롤링 기초 Part 5. 스크롤·탭 이동·동적 목록 수집 실습Part 1. 다중 페이지 수집 코드 함수화정적 크롤링에서 여러 페이지를 수집할 때의 핵심은 URL에 포함된 페이지 번호를 바꿔가며 요청하는 것이다. 페이지 정보가 URL에 들어 있는 사이트는 동일한 패턴으로 확장할 수 있으므로, 반..

https://www.youtube.com/watch?v=5uZmH01Aq58&list=PLsvL7yuPKtGQBBU7fIp8sYBI2_FOkLqAm&index=3 Q. 마케팅 페러다임의 변화- 소비자 수동적 -> 능동적- 기업중심, 노출 일방향 -> 고객 욕구 중심 / 양방향 소통- 일방향 푸시 광고 -> 고객 세분화 광고, CRM, 브랜디드 콘텐츠 Q.마케팅 페러다임 변화 요인- 데이터 베이스 기반의 마케팅- 소비자의 태도 변화 - 매체의 다양화- 소비자 경험 중심의 옴니채널 (올영, 애플)- 글로벌 경쟁심화 Q.전통 vs 디지털 마케팅 채널- 전통 입소문 -> 디지털 자동확산? - 전통 : TV, 라디오, 신문, 잡지- 디지털 : Owned -자사 / Paid - 과금 / Earned - 추천, ..

https://www.youtube.com/watch?v=N6vXmY6rLR4&list=PLsvL7yuPKtGQBBU7fIp8sYBI2_FOkLqAm&index=1&pp=iAQB&themeRefresh=1자료 출처 : 마케팅학교 영상 1. 검색엔진의 정의: 네이버 구글과 같은 흩어져 있는 자료들 가운데 원하는 정보를 찾을 수 있도록 검색을 도와주는 소프트웨어. 2. 전통 / 디지털 비즈니스: 전통 - 땅, 사람, 돈 (백화점): 디지털 - 정보, 지식(쿠팡, 구글) 3. 디지털 시대의 비즈니스 - 커뮤니케이션의 변화:1대1(편지, 전화)-> 1대다(tv ,라디오) -> 다대다(양방향 소통-위키피디아) 4. 온라인 비즈니스: 온라인을 통해 시간, 공간의 제약을 벗어나 물리적 상품 뿐 아니라 디지털 상품..