[통계학] 통계야 놀자 06

목록 보기

10/10

1. 통계와 머신러닝
2. 지도학습 살펴보기
3. 비지도학습 살펴보기

통계와 머신러닝의 관계성
- 데이터 분석이라는 분야에서 대표적으로 통계적 가설검정과 머신러닝이 존재, 두 방법론은 긴밀하게 연관
- 머신러닝 : 데이터를 기반으로 예측 모델을 학습시키는 알고리즘 기반의 접근법
  - 목적 : 주어진 데이터를 통해 패턴을 학습하여 미래 데이터를 예측하거나 분류
  - 종류 : 지도학습(분류, 회귀), 비지도학습(군집, 차원축소), 강화학습

두 방법론 중에서 하나만 사용할 필요는 없다.

두 가지 방법은 상호보완적
통계적 가설검정이 머신러닝을 보완하는 경우
- 머신러닝 모델의 피처 선택(초기 컬럼 선택)에서 유의미한 변수를 찾기 위해 통계적 가설검정 사용
- 데이터 분포, 이상치 처리 등 데이터 전처리에 유용한 통계적 기법을 제공
머신러닝이 가설검정을 보완하는 경우
- 비선형 데이터를 관계를 처리하거나 대규모 데이터에서 가설 검정의 한계를 보완
머신러닝의 종류
- 지도 학습 : 정답이 있는 데이터를 통해 훈련하여 결과에 대한 예측
- 비지도학습 : 정답이 없는 데이터를 통해 훈련하여 데이터 속의 패턴을 찾아 분류
지도학습과 비지도학습의 차이점
- 두 접근 방식의 주요 차이점은 훈련 데이터에 Label(정답)이 지정되어 있는지 유무

지도학습 : 분류 vs 회귀
- 연속적인 값을 출력 : 회귀
- 이산적인 값을 출력 : 분류
지도학습에 사용되는 기법
- 선형회귀(Linear Regreesion)
- 로지스틱 회귀(Logistic Regression)
- K-최근접 이웃(k-Nearest Neighbors)
- 랜덤 포레스트(Random Forest)
- 나이브 베이즈(Navie Bayes)
- 서포터 벡터 머신(SVM)
- 의사결정 트리(Decision Tree)
- 인공신경망(Neural Network)
재미있는 RFM(분류) 분석
- RFM( Recency(최근성), Frequency(빈도), Monetary(구매금액) )
  - Recency : 최근에 구매한 고객일수록 더 가치있는 고객으로 점수 부여
  - Frequency : 자주 구매하는 고객일수록 더 가치있는 고객으로 점수 부여
  - Monetary : 구매금액이 높을수록 가치있는 고객으로 점수 부여

통계학 기초