Conversation
- 영문 버전 ipw_in_practice_en.ipynb 추가 - myst.yml TOC 수정: chapters → children 키 교체, 영문 기본/한국어 hidden 설정 - .claude/settings.json 프로젝트 권한 allowlist 추가 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
- what_is_ipw_ko.ipynb: IPW 개념 노트북 (한국어) - what_is_ipw_en.ipynb: IPW 개념 노트북 (영문) Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
bungaedm
left a comment
bungaedm
left a comment
There was a problem hiding this comment.
전반적으로 모든 문장들이 친절하게 작성된 것 같아 편안하게 읽을 수 있었습니다.
| "\n", | ||
| "이제 한 가지 상황을 떠올려 보겠습니다. 남성은 원래 더 아픈 경우가 많아 입원 일수가 길고, 그만큼 약도 더 많이 복용하는 경향이 있습니다. 반대로 여성은 상대적으로 덜 아파서 입원 일수가 짧고 약도 덜 복용합니다.\n", | ||
| "\n", | ||
| "이런 상황에서 우리가 관찰하는 데이터는 과연 \"약의 효과\"를 보여주고 있을까요? 아니면 전혀 다른 무언가를 보여주고 있을까요?" |
There was a problem hiding this comment.
'전혀 다른 무언가'라기보다는, 아래처럼 바꿔서 표현해보는건 어떨까요? 말씀하시고자 하는 포인트가, 진짜 효과를 제대로 보여주고 있는지 아니면 왜곡된 효과를 보여주고 있는지-이신 것 같아서요!
이런 상황에서 우리가 관찰한 데이터는 과연 "약의 효과"를 보여주고 있을까요? 아니면 전혀 다른 무언가를 보여주고 있을까요?
-> 이런 상황에서 어떻게 하면 데이터를 활용해서 약의 효과를 왜곡되지 않게 계산할 수 있을까요?
| "ATE = \\mathbb{E}[Y_1 - Y_0]\n", | ||
| "$$\n", | ||
| "\n", | ||
| "여기서 $Y_1$은 약을 복용했을 때의 입원 일수, $Y_0$는 복용하지 않았을 때의 입원 일수입니다. 인과추론에서는 이를 **평균 인과효과(ATE, Average Treatment Effect)** 라고 부릅니다." |
There was a problem hiding this comment.
초심자를 위해서 인과추론의 기본인 ATE에 대해서 초반에 언급하면서 출발해주시는게 너무 좋은 것 같습니다. 👍
| "\n", | ||
| "우리가 원하는 건, 각 성별 안에서 \"약 먹은 사람 = 안 먹은 사람\"이 되도록 만드는 것입니다. 남성은 원래 약을 많이 먹기 때문에 약 안 먹은 남성이 너무 적습니다. 이 부족한 그룹을 \"부풀려야\" 합니다. 그래서 확률의 역수를 곱합니다.\n", | ||
| "\n", | ||
| "이를 구현한 대표적인 방법이 **Inverse Probability Treatment Weighting (IPTW)** 입니다. 각 개인에게 다음과 같은 가중치를 부여합니다.\n", |
There was a problem hiding this comment.
소제목에서 "Inverse Probability Weighting (IPW)"라고 했으니, IPTW가 아닌 IPW로 통일하여 작성해주는건 어떨까요?
| "- 남성 + 약 복용: $6/5$, 남성 + 미복용: $6$\n", | ||
| "- 여성 + 약 복용: $2$, 여성 + 미복용: $2$\n", | ||
| "\n", | ||
| "남성 중 약을 복용하지 않은 사람은 원래 1명뿐이지만, 가중치가 6이므로 **마치 6명 있는 것처럼** 취급됩니다. 반대로 약을 복용한 남성 5명은 각각 $6/5$의 가중치를 가져 총합이 6으로 맞춰집니다.\n", |
There was a problem hiding this comment.
"마치 6명 있는 것처럼"과 같이 직관적으로 풀어서 설명해주신 부분이 특히 좋은 것 같습니다! 추후 영상 제작할 때, 해당 부분에 대해서 그림으로 간단하게 표현된다면 보다 전달력이 좋지 않을까 싶어, 좋은 그림 예시가 있는 블로그 첨부하겠습니다.
| "id": "229f20cc", | ||
| "metadata": {}, | ||
| "source": [ | ||
| "## 성향점수 (Propensity Score)\n", |
There was a problem hiding this comment.
본 페이지는 IPW에 대한 설명인데, Propensity Score라는 소제목으로 마무리되면 인과추론 초심자들이 보시기에는 바로 구조화해서 이해하기에 조금 헷갈릴수도 있지 않을까 싶습니다. 그래서 아래처럼 소제목을 수정하면 어떨지 조심스럽게 사소한 제안드려봅니다.
참고: 성향점수 (Propensity Score)
3 participants
Summary
what_is_ipw_ko.ipynb/what_is_ipw_en.ipynb신규 추가 — IPW 개념 노트북 (한/영)ipw_in_practice_ko.ipynb문체 통일 및ipw_in_practice_en.ipynb영문 버전 추가myst.ymlTOC 구조 수정 (chapters→children, 언어별 hidden 처리).claude/settings.json프로젝트 권한 allowlist 추가Test plan
🤖 Generated with Claude Code