데이터 과학을 위한 통계: 데이터 분석에서 머신러닝까지 50가지 핵심 개념

237

6

장

통계적 머신러닝

최근 통계학 분야는 회귀나 분류와 같은 예측 모델링을 자동화하기 위한 더 강력한 기술을 개

발하는 것에 집중해왔다. 이러한 방법들은

통계적 머신러닝

statistical

machine

learning

이라는 큰 틀 안에

속하며, 데이터에 기반하며 전체적인 구조 (예를 들어 모델이 선형인지 )를 가정하지 않는다는

점에서 고전적인 통계 방법과 구별된다. 예를 들면

K

최근접 이웃 방법은 아주 간단하다. 비슷

한 레코드들이 어떻게 분류되는지에 따라 해당 레코드를 분류하는 방법이다.

앙상블 학습

ensemble

learning

을 적용한

의사 결정 트리

decision

tree

가

지금까지는

가장 성공적이고 널리 사용되는 기술이

다. 앙상블 학습의 기본 아이디어는 단일 모델로부터 결과를 얻는 것이 아니라 최종 예측을 얻

기 위해 많은 모델을 사용하는 것이다. 의사 결정 트리는 예측변수와 결과변수 사이의 관계 규

칙을 학습하는 유연하고 자동화된 기술이다. 앙상블 학습과 의사 결정 나무를 결합하는 방식은

최고의 성능을 얻을 수 있는 예측 모델링 기법이다.

UC

버클리의 통계학자 레오 브레이먼 (그림

6

-

1

)과 스탠퍼

드 대학교의 제리 프리드먼은 통계적 머신러닝의 많은 기술

개발을 이끌었다. 이들의 연구는 버클리와 스탠퍼드의 다른

연구자들과 함께한

1984 ...