[µ¥ÀÌÅͳÝ] µ¥ÀÌÅÍ ÅëÇÕ¼Ö·ç¼Ç Àü¹®±â¾÷ µ¥ÀÌŸ¼Ö·ç¼Ç(´ëÇ¥ ¹èº¹ÅÂ)Àº ¿À´Â 22ÀÏ Çѱ¹±â¼ú¼¾ÅÍ¿¡¼ ‘Åë°èÀû ±â°èÇнÀ’À» ÁÖÁ¦·Î ½ºÆä¼È¼¼¹Ì³ª¸¦ °³ÃÖÇÑ´Ù°í ¹àÇû´Ù.
Á¤Çüµ¥ÀÌÅͺÎÅÍ ºñÁ¤Çüµ¥ÀÌÅͱîÁö, ºòµ¥ÀÌÅÍ ½Ã´ë ÇÙ½É ±â¼úÀÇ Á߽ɿ¡´Â ±âÃÊÇй®ÀÌ ÀÚ¸®Àâ°í ÀÖ´Ù. µ¥ÀÌÅÍ ºÐ¼®À» ºñÁî´Ï½º¿¡ È°¿ëÇϱâ À§Çؼ´Â ¼öÇÐÀû ³í¸®¿Í »ç°í¹æ½Ä, Åë°èÇÐ ÀÌ·Ð µîÀ» ¹ÙÅÁÀ¸·Î ÇÑ ¾Ë°í¸®ÁòÀ» ÅëÇØ º¸´Ù °úÇÐÀûÀÎ ¹æ¹ýÀ¸·Î °á°ú¸¦ ¾ò¾î¾ß ÇÑ´Ù.
µ¥ÀÌŸ¼Ö·ç¼ÇÀº 30¿©³â °£ ¼öÇàÇØ ¿Â µ¥ÀÌÅÍ ºÐ¼® »ç¾÷À¸·ÎºÎÅÍ ¾òÀº ÁöÀû ÀÚ¿øÀ» ÅëÇØ °í°´¿¡°Ô IT ±â¹ÝÀÇ °í°´ ¹®Á¦ÇØ°á ¼ºñ½º¸¦ Á¦°øÇÏ°íÀÚ ½ºÆä¼È¼¼¹Ì³ª¸¦ °³ÃÖÇÏ°í ÀÖ´Ù. ´õºÒ¾î ºÐ¼® µµ±¸ÀÇ Á¾·ù¿¡ »ó°ü¾øÀÌ °í°´µéÀÇ µ¥ÀÌÅÍ È°¿ë ´É·ÂÀ» °È½ÃÅ°°í, °í±Þ ÀÌ·ÐÀ» Àü´ÞÇÏ¸ç µ¥ÀÌÅÍ ºÐ¼® ±â¾÷À¸·Î½áÀÇ ¿ªÇÒÀ» ¼öÇàÇÑ´Ù.
½ºÆä¼È¼¼¹Ì³ª¿¡´Â ±¹³» Åë°èÇÐ ºÐ¾ß ÃÖ°í ±ÇÀ§ÀÚ·Î ¼Õ²ÅÈ÷´Â °í·Á´ëÇб³ Çã¸íȸ ±³¼ö°¡ °¿¬ÀÚ·Î ³ª¼ ÃÖ±Ù °¢±¤¹Þ°í ÀÖ´Â ±â¼úÀ̳ª µ¥ÀÌÅÍ ºÐ¼® Æ®·»µå¸¦ Åë°èÇÐÀû °üÁ¡¿¡¼ ¹Ù¶óº¸¸ç ½Éµµ ÀÖ´Â °ÀÇ·Î °í°´µéÀÇ µ¥ÀÌÅÍ °ü¸® ±â¹ÝÀ» ´ÙÁö´Â µ¥¿¡ µµ¿òÀ» ÁÙ ¿¹Á¤ÀÌ´Ù.
À̹ø ¼¼¹Ì³ª¿¡¼´Â µ¥ÀÌÅÍ°úÇÐ ºÐ¾ß¿¡¼ ³Î¸® ¾Ë·ÁÁø ISLR(An Introduction to Statistical Learning)ÀÇ ‘¼±Çü¸ðÇüÀÇ ¼±Åðú Á¤ÇüÈ’¿Í ‘¼±Çü¼ºÀ» ³Ñ¾î°¡´Ù ’¿¡ ´ëÇØ ´Ù·é´Ù.
ƯÈ÷ ¿¹Ãø¼º´ÉÀÌ ÁÁÀº ¼±Çü¸ðÇüÀ» Á¦°øÇÏ´Â Lasso ȸ±Í¿Í »êÃâ¸ðÇüÀ» ¼³¸íÇÒ ¼ö ÀÖ´Â ÀϹÝÈ°¡¹ý¸ðÇü µî ¼±Çüȸ±Í¸¦ ³Ñ¾î Àü°³µÇ´Â ±â°èÇнÀÀÇ ¿©·¯ ÇüŸ¦ ¼±º¸À̸ç Åë°èÀû ±â°èÇнÀ ½Ã¸®Áî °ÀÇÀÇ Æ÷¹®À» ¿°Ô µÈ´Ù.
µ¥ÀÌŸ¼Ö·ç¼ÇÀº “Çö ½Ã´ëÀÇ ¸ðµç ±â¼ú¿¡¼ µ¥ÀÌÅÍÀÇ Á߿伺ÀÌ °Á¶µÇ¸é¼ À̸¦ ¾ó¸¶³ª Á¤È®ÇÏ°í È¿À²ÀûÀ¸·Î »ç¾÷¿¡ Àû¿ë½ÃÅ°´ÂÁö°¡ ±â¾÷ÀÇ °æÀï·ÂÀ» °áÁ¤ÇÏ°í ÀÖ´Ù”¸ç “µ¥ÀÌŸ¼Ö·ç¼ÇÀº ÇâÈÄ¿¡µµ Áö¼ÓÀûÀ¸·Î °í°´µé¿¡°Ô µ¥ÀÌÅÍ °ü·Ã ±âÃʺÎÅÍ ½ÉÈ À̷бîÁöÀÇ Áö½ÄÀ» Àü´ÞÇÏ´Â ¿ªÇÒÀ» ¸Ã¾Æ °í°´Áö¿ø ¼ºñ½º¸¦ ÇÑÃþ ÁøÀϺ¸½ÃÅ°°íÀÚ ÇÑ´Ù”°í ÀüÇß´Ù.
ÇÑÆí ¼¼¹Ì³ª »ó¼¼ Á¤º¸¿Í µî·ÏÀº µ¥ÀÌŸ¼Ö·ç¼Ç ‘SPSS »ç¿ëÀÚ Æ÷ÅÐ’¿¡¼ È®ÀÎÇÒ ¼ö ÀÖ´Ù. |