금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

34

1

부

프레임워크

2.3

모델 개발 단계

머신러닝 문제는 처음부터 끝까지 전체를 훑어보는 것이 매우 중요하다. 첫 단계부터 마지막

단계까지 전 단계를 잘 정의해 두지 않으면 응용 머신러닝의 생명력을 잃게 될 것이다.

1. 문제 정의

6. 모델 튜닝

및 개선

●

모델 목표 설정

●

라이브러리 불러오기

●

데이터 불러오기

●

기술 통계

●

데이터 시각화

●

데이터 정리

●

특성 선택

●

데이터 변환

5. 모델 평가

●

훈련과 테스트 분할

●

평가 메트릭 선정

●

모델 비교

●

격자 탐색

7. 모델 결정

●

테스트셋에 대한 성능

●

모델/변수 직관성

●

모델 저장 및 배포

2. 데이터와

패키지 불러오기

3. 탐색적 데이터

분석

4. 데이터 준비

그림

2-2

모델 개발 단계

[그림

2

-

2

]는 파이썬으로 머신러닝 모델을 바로 시작하는 데 이용할 수 있는 간단한 모델 개발

7

단계를 보여 준다. 앞의 몇 단계에는 예비 데이터 분석과 데이터 준비가 포함되는데, 이는 데

이터에서 의미와 이해를 추출하는 것이 목적인 데이터 과학에 기반한 단계이다. 다음 단계는

모델 평가, 상세 튜닝, 모델 완성이다.

NOTE

_ 이 책의 실전 문제는 모두 표준

7

단계 모델 개발 과정을 따른다. 하지만 몇몇 실전 문제에서는 단계

의 적절성과 직관성을 고려해 일부 단계를 생략하거나 이름을 바꾸거나 순서를 바꾸기도 한다.

2.3.1

모델 ...