본문 바로가기
728x90
반응형

분류 전체보기197

[P04CH01S02] 분석결과 해석 PART04: 빅데이터 결과해석CHAPTER02: 분석결과 해석 및 활용[P04CH01S02] 분석결과 해석 이 섹션은 "[P04CH01S01-S02] 분석모형 평가 및 개선" 의 요약 섹션이라고 보시면 됩니다.앞에서 나왔던 내용이 대부분 중복 되어 출제됩니다.  1. 분석 모델별 결과 해석 1.1. 회귀 모델평가 지표: MAE, MSE, MAPE, RMSE, RMSLE, R²(결정계수), 수정된 R²잔차 분석: 잔차는 패턴이나 추세가 없어야 함결정계수(R²): 회귀식이 변동을 얼마나 설명하는지 측정딥러닝 모델: 상대오차 또는 평균 제곱근 편차(RMSE) 활용2. 분류 모델평가 방법: 클래스 별 예측 확률 정확도 확인혼동 행렬(Confusion Matrix): 분류 모델 평가 지표ROC-AUC: ROC .. 2025. 3. 19.
Part 4: 빅데이터 결과 해석 Chapter 1: 분석모형 평가 및 개선분석모형 평가회귀모형 평가 지표: 평균절대오차(MAE), 평균제곱오차(MSE), 평균제곱근오차(RMSE), 평균절대백분율오차(MAPE), 결정계수(R²) 등이 사용됩니다. 결정계수 R² 값이 1에 가까울수록 모형의 설명력이 높음을 의미합니다.​분류모형 평가 지표: 혼동행렬을 기반으로 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity), 정밀도(Precision), F1 스코어, ROC 곡선 및 AUC 값 등이 활용됩니다.​분석모형 진단회귀모형 가정 진단: 선형성, 독립성, 등분산성, 정규성 등의 가정을 확인하며, 잔차 산점도, 더빈-왓슨 검정, Q-Q plot 등을 통해 진단합니다.​오류 유형: 과대적합(Overfitting).. 2025. 3. 18.
[P03CH02S02] 고급 분석 기법 PART03: 빅데이터 모델링CHAPTER02: 분석기법 적용[P03CH02S02] 고급 분석 기법1. 범주형 자료분석정의: 변수들이 이산형(범주형) 변수일 때 사용되는 분석 방법분석 방법 (독립변수와 종속변수 관계에 따른 방법 선택)독립변수종속변수분석 방법예제범주형범주형빈도분석, 카이제곱 검정, 로그 선형 모형지역별 선호 정당연속형범주형로지스틱 회귀분석소득에 따른 결혼 선호도범주형연속형T검정(2그룹), 분산분석(2그룹 이상)지역별 가계수입 차이연속형연속형상관분석, 회귀분석-주요 개념분할표: 범주형 데이터를 변수별로 정리한 통계표차원: 변수의 개수수준: 각 변수의 범주 수빈도분석: 질적 자료를 대상으로 빈도 및 비율 계산교차분석 (카이제곱 검정): 두 범주형 변수 간 독립성 검정로지스틱 회귀분석: 범주형.. 2025. 3. 18.
[P03CH02S01] ✨분석 기법 (feat. 인공지능, 빅데이터) PART03: 빅데이터 모델링CHAPTER02: 분석기법 적용[P03CH02S01] 분석 기법01. 분석기법 개요 1.1 학습 유형에 따른 데이터 분석 모델데이터 분석 모델은 학습 방식에 따라 크게 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 준지도학습(Semi-supervised Learning), 강화학습(Reinforcement Learning)으로 구분됩니다.1) 지도학습입력 데이터에 대한 정답(레이블) 이 존재하는 경우 사용훈련 데이터와 정답을 기반으로 모델을 학습하여 새로운 데이터에 대한 예측 수행대표적인 지도학습 기법:분류(Classification): 데이터가 미리 정의된 여러 개의 카테고리 중 하나로 분류됨 (예: 이메일 스팸 분류.. 2025. 3. 17.
[P03CH01S01-02] 데이터 탐색 기초 PART03: 빅데이터 모델링CHAPTER03: 분석모델 설계 [P03CH01S01-02] 데이터 탐색 기초 01. 분석 절차 수립 1.1 분석 모형 선정 1) 분석 목적의사결정, 불확실성 해소, 요약, 인과관계 파악, 예측빅데이터 분석의 근본 목적: 과거 데이터를 바탕으로 원인을 분석하고, 이를 통해 미래를 예측데이터는 후행적인 성격을 가지지만 선행적인 성격도 포함가트너 그룹의 빅데이터 분석 목적:고객 인사이트, 제품 및 절차 효율성, 디지털 제품 및 서비스, 운영의 탁월성, 디지털 마케팅, 위기 관리 시스템 2) 분석 모형 선정 프로세스문제 요건 정의: 대상 데이터 선정, 분석 목표 및 조건 정의데이터 수집, 정리 및 도식화데이터 전처리: 데이터 정제, 종속/독립 변수 선정, 데이터 변환, 데이터 통.. 2025. 3. 17.
Part 3: 빅데이터 모델링 1. 분석모형 설계1.1 분석 절차 수립빅데이터 분석을 위해 체계적인 분석 절차를 수립해야 합니다. 주요 단계는 다음과 같습니다.분석모형 선정: 분석 목적에 적합한 모델을 선택합니다.분석모형 정의: 분석의 목표와 가설을 수립하고, 모델의 특성을 정의합니다.분석모형 구축 절차: 데이터 수집, 정제, 모델 학습, 평가 등의 단계로 분석을 수행하는 절차를 확립합니다.1.2 분석 환경 구축효율적인 빅데이터 분석을 위해 환경을 구축하는 과정입니다.분석 도구 선정: Python, R, SQL, Hadoop, Spark 등 목적에 맞는 도구를 선택합니다.데이터 분할: 학습 데이터, 검증 데이터, 테스트 데이터로 분할하여 모델의 일반화 성능을 높입니다.2. 분석기법 적용2.1 분석기법다양한 분석기법이 존재하며, 데이터.. 2025. 3. 16.
728x90
반응형

티스토리툴바