Ⅲ. 데이터 모델링과 평가 · 6차시

목적에 가장 알맞은 방법 고르기

회귀, 분류, 군집, 연관을 배웠다. 이제 문제를 받았을 때 어느 방법을 쓸지 스스로 정해야 한다. 목적을 문장으로 적고 판단 기준에 따라 방법을 고르는 절차를 익힌다.

12데과03-06 권장 4차시 분석 목적지도 학습비지도 학습방법 선택 기준평가 지표 비교

매점 구매 기록 하나로도 여러 가지를 물을 수 있다.

내일 우유가 몇 개 팔릴지 물으면 수를 예측하는 문제다. 우유가 품절될 날인지 물으면 갈래를 가르는 문제다.

어떤 학생 유형이 있는지 물으면 묶는 문제다. 무엇과 무엇이 함께 팔리는지 물으면 규칙을 찾는 문제다.

데이터가 방법을 정해 주지 않는다. 질문이 방법을 정한다.

목적을 문장으로 먼저 쓴다

방법을 고르기 전에 목적을 한 문장으로 적는다. 아래 틀을 쓰면 빠뜨리는 것이 줄어든다.

(어떤 데이터)로 (무엇)을 (어떻게) 하고, 결과를 (무엇)으로 판단한다.

예를 들면 이렇게 적는다.

지난 30일 판매 기록으로 내일 우유 판매량을 예측한다. 결과는 평균제곱오차의 제곱근으로 판단한다.
동아리 활동 기록으로 학생을 비슷한 유형끼리 묶는다. 결과는 군집 내 거리와 군집 간 거리로 판단한다.

목적 문장에 평가 지표까지 적어 두면 기준이 흔들리지 않는다.

지도 학습(supervised learning): 맞히려는 목표 속성이 데이터에 함께 기록되어 있을 때 그 값을 예측하도록 모델을 만드는 방식. 회귀와 분류가 여기에 든다.

비지도 학습(unsupervised learning): 맞히려는 목표 속성이 없을 때 데이터 자체의 구조나 관계를 찾는 방식. 군집과 연관이 여기에 든다.

이 영역에서 배운 분석 방법 비교. 분류는 03-05에서 정확도를 다룰 때 함께 나왔다
분석 방법	목표 속성	결과의 형태	평가 지표	배운 차시
회귀	이어지는 수(점수, 판매량)	예측값을 내주는 식	평균절대오차, 평균제곱오차의 제곱근	03-02
분류	정해진 갈래(품절·품절 아님)	갈래를 정해 주는 규칙	정확도	03-05
군집	없다	데이터를 묶은 여러 개의 군집	군집 내 평균 거리와 군집 간 거리	03-03
연관	없다	`A를 사면 B도 산다` 형태의 규칙	지지도, 신뢰도, 향상도	03-04

사례로 판단해 본다

같은 학교 데이터로 서로 다른 목적을 풀 때의 선택
상황	고른 방법	근거
내일 매점에 우유를 몇 개 준비할지 정한다	회귀	목표 속성이 판매량이라는 수이고 기록에 남아 있다
우유가 품절될 날을 하루 전에 알린다	분류	두 갈래를 가르는 문제이고 정확도로 잴 수 있다
동아리 활동 계획을 유형별로 다르게 짠다	군집	유형 목록이 미리 없고 비슷한 학생끼리 묶으면 된다
진열대에 함께 둘 품목을 정한다	연관	함께 담긴 품목의 관계를 규칙 형태로 받고 싶다

방법 선택 흐름도

목적이 같으면 지표로 고른다

방법이 같고 목적도 같다면 이야기가 달라진다. 이때는 평가 지표로 바로 비교할 수 있다.

03-02의 학생 10명 자료로 두 후보를 견줘 본다. 첫째는 누구에게나 점수 평균 67점을 답하는 모델이다.

둘째는 회귀식 예측 점수 = 5.2 × 공부 시간 + 38.4 다. 두 모델을 같은 지표로 잰다.

파이썬 코드실행에는 자바스크립트가 필요하다

import math

hours = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
scores = [42, 49, 53, 61, 64, 72, 74, 82, 85, 88]
n = len(hours)

mean = sum(scores) / n
rmse_mean = math.sqrt(sum((s - mean) ** 2 for s in scores) / n)

line = [5.2 * h + 38.4 for h in hours]
rmse_line = math.sqrt(sum((s - p) ** 2 for s, p in zip(scores, line)) / n)

print("평균으로만 예측할 때 =", round(rmse_mean, 3))
print("회귀 직선으로 예측할 때 =", round(rmse_line, 3))

[예상 출력]
평균으로만 예측할 때 = 15.013
회귀 직선으로 예측할 때 = 1.523

막대 길이의 차이가 두 모델의 차이를 그대로 보여 준다. 같은 지표로 재었기 때문에 이렇게 견줄 수 있다.

모든 문제에 가장 좋은 하나의 방법이 있는 것은 아니다. 알맞은 방법은 문제와 목적에 따라 다르다.

그래서 결과를 보고할 때는 세 가지를 함께 적는다. 목적 문장, 고른 방법과 근거, 평가 지표와 값이다.

이 세 가지가 있으면 다른 사람이 판단을 다시 검토할 수 있다.

여기서 조심

방법이 다르면 지표로 직접 비교하지 못한다. 회귀의 오차와 연관의 향상도는 단위가 다르다. 크기를 견줄 수 없으므로 목적에 더 맞는 쪽을 근거로 골라야 한다.

지표가 좋다는 사실이 목적에 맞는다는 뜻은 아니다. 03-05에서 본 자료를 떠올려 본다. 품절이 드물면 늘 품절 아님이라고 답해도 정확도가 0.95까지 나온다. 목적이 품절인 날을 찾는 것이라면 이 값은 근거가 되지 못한다.

익숙한 방법을 먼저 정하고 목적을 거기에 맞추지 않는다. 순서는 목적 문장이 먼저고 방법이 나중이다.

서로 다른 방법이 다른 결론을 내면 그 자체를 살펴본다. 어느 쪽이 옳다고 서둘러 정하지 않는다. 사용한 속성과 지표가 무엇이 달랐는지 확인한다.

확인 문제

4문항 · 고르면 바로 채점된다

맞히려는 목표 속성이 데이터에 없을 때 쓸 수 있는 분석 방법은 무엇인가?

회귀와 분류는 목표 속성이 기록되어 있어야 하는 지도 학습이다. 군집은 목표 속성이 없어도 유사성만으로 묶는 비지도 학습이다.

평균만 답하는 모델의 평균제곱오차의 제곱근은 15.013점이었다. 회귀 직선 모델은 1.523점이었다. 알맞은 판단은 무엇인가?

오차 지표는 작을수록 좋다. 두 모델은 같은 자료로 같은 목적을 풀고 같은 지표를 썼다. 그래서 값을 그대로 비교할 수 있다.

회귀 모델의 성능을 향상도로 평가할 수 있다.

향상도는 연관 규칙의 지표다. 회귀 모델은 평균절대오차나 평균제곱오차의 제곱근으로 평가한다. 방법이 다르면 지표도 다르다.

분석을 시작할 때는 익숙한 방법을 먼저 정하고 그에 맞게 목적을 세우는 편이 좋다.

목적 문장을 먼저 적고 그에 맞는 방법을 골라야 한다. 방법을 먼저 정하면 목적과 어긋난 결과를 그대로 쓰게 된다.

내 교과서에서 찾기

YBM Ⅲ. 데이터 모델링과 평가 › 01. 회귀 분석 모델 01-1 회귀 분석 모델의 개념 · 01-2 회귀 분석 모델의 실제 Ⅲ. 데이터 모델링과 평가 › 02. 군집 분석 모델 02-1 군집 분석 모델의 개념 · 02-2 군집 분석 모델의 실제 Ⅲ. 데이터 모델링과 평가 › 03. 연관 분석 모델 03-1 연관 분석 모델의 개념 · 03-2 연관 분석 모델의 실제

씨마스 Ⅲ. 데이터 모델링과 평가 › 2. 군집 분석과 연관분석 2-2 연관분석 (154쪽)

천재 Ⅲ. 데이터 모델링과 평가 › 05. 다양한 데이터 모델 분석 방법 1 회귀 분석으로 행복에 필요한 요건 찾아보기 · 2 군집 분석으로 1인당 GDP와 행복 점수의 관계 찾아보기 · 3 연관 분석으로 학생들의 과목 선택 패턴 찾아보기