린 AI : 사용자 유치, 그로스 마케팅, 성장 전략 수립에 인공지능 활용하기

5

장

-

인공지능 프레임워크

77

서포트 벡터 머신

마케팅에서는 미래나 시스템에 대한 올바른 예측이 항상 필요하다. 서포트 벡터

머신

support

vector

machine

(

SVM

)이 그 역할을 한다.

SVM

은 일종의 지도 학습 모델이

다.

N

방향 공간 (여기서

N

은 특성의 수를 의미)에서 초평면을 찾고 데이터 지점

을 개별적으로 분류한다. 데이터 마이닝, 지능형 소프트웨어 에이전트, 대량 생산

모델, 자동화 모델과 같이 새로운 환경에 대한 결과를 예측할 때

SVM

는 매우 중

요하다.

비지도 학습 알고리즘의 유형

여기서 설명할 비지도 학습 알고리즘의 유형은 단 하나,

k

-

평균이다.

k

-평균 알고리즘

k

-평균 알고리즘

k

-

means

clustering

algorithm

은

n

개의 관측값을

k

개의 클러스터로 나눌

때 사용된다. 관측값은 클러스터 내에서 서로 가까운 거리를 유지하며, 보로노이

셀

Voronoi

cell

형태로 구획화가 이루어진다. 클러스터링은 유사한 특성을 가진 데이

터 및 모집단을 묶어 몇 개의 그룹으로 나누는 것을 의미한다. 이렇게 분류된 클

러스터는 서로 다른 특성을 가진다.

k

변수를 사용해 데이터를 그룹 내 배치하는

것이

k

-평균 알고리즘의 목적이다. 각 데이터는 서로 다른 특성을 가진

k

그룹에

할당된다.

k

-평균 알고리즘은 마케팅 영역에서 활발하게 활용된다. 이를 활용하는 분야에

는 문서 분류, 배송 경로 최적화, 범죄 지역 식별, 고객 세분화, 가상 스포츠 통계

분석, 보험 사기 탐지, 승차 공유 데이터 분석,