Menu
Menu
| 용어 | 영문 용어 | 표기 예 | 표기 설명 | 유사 용어 | 용어 설명 |
|---|---|---|---|---|---|
| 변수 | variable | $x$, $y$ | 영 이탤릭 소문자 | 특성(feature), 속성(attribute), 항목(item), 지표(indicator), 측정값(measurement), 필드(field), 인자(factor) | 변화하는 값을 표현하거나 정의하는 데 사용 代數式에서 어떤 값이 들어갈 수 있는 자리 |
| 확률변수 | random variable, probability variable | $X$, $Y$ | 영 이탤릭 대문자 | 확률적변수(stochastic variable), 랜덤변수 (random variable), 통계변수(statistical variable) | 관측을 통해 얻으며 확률이 할당되는 미리 정해지지 않은 결과: 결과가 이산적이면 이산확률변수(Discrete Random Variable), 연속적이면 연속확률변수 (Continuous Random Variable) |
| 상수 | constant | $a$, $b$, $\cdots$ | 영 이탤릭 소문자 | 고정값, 불변량, 스칼라 | 자연수, 정수, 실수, 복소수 |
| 객체 | object | MyCase myCase | 영 pascal case: 클래스 명 영 camel case: 인스턴스 명 | 인스턴스(instance), 엔터티(entity) | 보통 추상적이거나 범용적인 대상, 컴퓨터과학에서는 데이터와 그 데이터를 처리하는 함수를 포함하는 캡슐화된 개념 |
| 개체 | individual | myCase | 영 camel case: 인스턴스 명 | 객체(object), 엔터티(entity), 인스턴스(instance) | 개별적으로 식별되거나 고유한 특성을 가진 하나의 요소, 객체를 특정할 때 사용 개체가 생성(추출)되면 집단(group)을 이룸 개체의 연속형 속성은 실수(real number)로 표현 개체는 연속형 속성 별 연속확률분포를 가질 수 있음 개체의 범주형 속성은 개체가 속하는 집단명(범주명)으로 표현 개체는 범주형 속성 별 이산확률분포를 가질 수 있음 |
| 요소 | element | myelement | 영 소문자 | 원소 | 독립변수 |
| 속성 | attribute | myattribute | 영 소문자 | 특성 | 개체의 특성, the feature of object 변량으로 표현 |
| 집단 | group | myGroup | 영 camel case | 집합 | 순서가 없는 범주 집단은 부분집단을 가짐 집단은 확률을 가질 수 있음 |
| 수준 | level | myLevel | 영 camel case | 카테고리 | 순서가 있는 범주 |
| 범주 | category | myCategory | 영 camel case | 카테고리 | 순서가 없는 카테고리나 수준 |
| 모집단 | population | $P$, $N$ | 영 대문자 | 생성기 | 모든 가능한 관측치나 결과의 집합, 연구에서 관심을 갖는 대상 모집단은 모수(parameter)로 설명 |
| 표본 | sample | $S = \{x_1, x_2, \dots, x_{50}\}$ | 영 대문자와 집합 | 샘플 | 표본(sample)은 모집단(population)이 실현된 집단(group) 모집단을 표현하는 모집단의 일부 개체의 집합, 표본은 실질적인 분석 대상 표본을 통해 모집단의 특성을 추정 표본은 통계량(statistic)으로 설명 |
| 표집 | sampling | $S=\{\{x_{11}, x_{12}\}, \{x_{21}, x_{22}\}, \cdots , \{x_{91}, x_{92}\}\}$ 표본크기가 2인 표본을 9개 추출한 표집 | 영 대문자와 부분집합의 합집합 | 샘플링, 추출(extraction) | 모집단에서 일부 데이터를 선택하는 과정 표집을 통해 얻은 데이터 집합은 표본(sample) |
| 데이터프레임 | data frame | df = pd.DataFrame(data) df <- data.frame(c1 = c(1, 2), c2 = c(“A”, “B”)) | DataFrame: 파이썬 data.frame: R | 데이터구조 | 데이터 프레임의 각 열은 변수명과 변수값 개체 또는 집단을 행으로 속성을 열로 표현 데이터프레임은 개체의 속성을 나타내는 1행과 r개체의 속성값의 나머지행 |
| 빈도수 | frequency | $f$, $n$ | 영 이탤릭 소문자 | 도수, 빈도, Count | 변수의 일종 범주 또는 그룹별 개체의의 출현 빈도 분포를 파악하는 기본적인 수단 |
| 독립변수 | independent variable | $x$ | 영 이탤릭 소문자 | 예측독립변수(predictor variable), 입력변수(input variable), 설명변수(explanatory variable), 조작변수(manipulated variable), 피처(feature), 원인변수 | 다른 변수(종속변수)의 변화에 영향을 주는 변수 |
| 종속변수 | dependent variable | $y$ | 영 이탤릭 소문자 | 결과변수(outcome variable), 반응변수(response variable), 출력변수(output variable), 타겟변수(target variable), 예측대상변수(predicted variable), 결과변수 | 독립변수에 의해 그 값이 결정되거나 영향을 받는 변수 |
| 인자 | argument | $\arg$ | 영 소문자 $\arg$ | 인수 | 함수에 전달되어 함수를 특정하는 함수의 속성 |
| 매개변수 | parameter | $b_i$: 표본회귀계수 $\beta_i$: 모회귀계수 | 영 이탤릭 소문자 그리스 이탤릭 소문자 | 파라미터 | 함수의 속성 |
| 함수 | function | $f$ | 영 이탤릭 소문자 | Mapping (매핑), Transformation (변환), Operator (연산자) | 입력값 $x$를 받아 출력값$f(x)$를 계산하는 대수식 |
| 회귀함수 | regression function | $Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \cdots + \beta_n X_n + \epsilon$ | $Y$는 종속변수 $X_i$는 독립변수 $\epsilon$은 회귀모델이 설명하지 못하는 무작위변동 | 평균으로의 회귀 | 집단의 회귀점, 회귀선, 회귀면 집단 생성모델의 회귀계수($\beta$) 1차 회귀계수는 독립변수가 독립적이고 배타적일 때는 가중치($w$)가 됨 |