[Data Science] 분류 분석

분류 분석

 

분류 분석, 예측 분석은 레코드의 특정 속성의 값을 미리 알아 맞히는 것을 목적으로 함 분류 분석은 범주형 속성의 값을 알아맞히는 것 예측 분석은 연속형 속성의 값을 알아맞히는 것

데이터가 어떤 그룹에 속하는지 예측하는데 사용 클러스터링과 유사하지만, 분류 분석은 각 그룹이 정의되어 있음 지도 학습에 속함 레코드의 범주형 속성의 값을 알아맞히는 것

 

분류 예

 

학생들의 국어, 영어, 수학 점수를 통해 내신등급을 알아맞히는 것 카드회사에서 회원들의 가입정보를 통해 1년후 신용 등급을 알아 맞히는 것 고객들의 속성을 이용해 이탈일자를 예측

 

분류 모델링

 

신용 평가 모형 우량, 불량 사기 방비 모형 사기, 정상 이탈 모형 이탈, 유지

 

예측 분석

 

시계열 분석처럼 시간에 따른 값 두 개만을 이용해 앞으로의 매출 또는 온도 등을 예측 모델링을 하는 입력 데이터가 어떤 것인지에 따라 특성이 다름 여러 개의 다양한 설명변수 (독립 변수)가 아닌 한개의 설명 변수로 생각 레코드의 연속형 속성의 값을 알아맞히는 것

 

예측 예

 

학생들의 여러가지 정보를 입력하여 수능 점수를 알아 맞히는 것 카드회사 회원들의 가입 정보를 통해 연 매출액을 알아 맞히는 것

 

분류기법

 

회귀 분석, 로지스틱 회귀 분석 의사결정나무, CART 베이지안 분류 인공신경망 지지도벡터기계 K-최근접 이웃 Suport Vector Machine

 

로지스틱 회귀 분석

 

반응변수가 범주형인 경우에 적용되는 회귀 분석 모형 새로운 설명 변수가 주어질 때 반응변수의 각 범주에 속할 확률이 얼마인지를 추정하여, 추정 확률을 기준치에 따라 분류하는 목적으로 활용 이때 모형의 적합을 통해 추정된 확률을 사후 확률이라 함 역 S자 그래프 설명 변수가 한 개인 경우 해당 회귀 계수의 부호가 0보다 작을 때 표현되는 그래프

 

의사결정나무

 

의사결정나무는 분류함수를 의사결정 규칙으로 이뤄진 나무 모양으로 그리는 방법 나무구조는 연속적으로 발생하는 의사결정 문제를 시각화해 의사결정이 이뤄지는 시점과 성과를 한눈에 볼 수 있게 함 누구나 이해가 쉽고 설명이 용이 대용량의 데이터에서도 빠르게 만들 수 있고 데이터의 분류 작업도 신속히 진행 가능 비정상적인 잡음 데이터에서도 민감함 없이 분류 가능 과대 적합을 방지하기 위해서 가지치기 방법이 필요함 세분화, 분류, 예측, 교호작용효과의 파악 등에 사용 계산결과가 의사결정나무에 직접 나타나기 때문에 해석이 간편 알고리즘 CART 불순도의 측도: 지니지수 C4.5와 C5.0 불순도의 측도: 엔트로피 지수 CHAID 불순도의 측도: 카이제곱 통계량 가지치기 오차를 크게 할 위험이 높거나 부적절한 추론규칙을 가지고 있는 가지 또는 불필요한 가지를 제거하는 단계 활용분야 세분화, 분류, 예측, 차원 축소, 교호작용효과의 파악, 범주의 병합

 

https://wikidocs.net/48113

3.4.2.분류분석