조건부 확률 적용

고급 확률: 데이터의 불확실성 다루기

Maarten Van den Broeck

Senior Content Developer at DataCamp

조건부 확률 이해

• 사건 A가 이미 발생했을 때 사건 B가 일어날 확률
• 예:
  • 고객이 상품 페이지를 봄(사건 A)

조건부 확률 이해

• 사건 A가 이미 발생했을 때 사건 B가 일어날 확률
• 예:
  • 고객이 상품 페이지를 봄(사건 A)
  • 고객이 구매할까?(사건 B)

조건부 확률의 실제 활용

• 고객 유지 분석:
  • 프리미엄 기능 사용 시 갱신할까?
• 사기 탐지:
  • 이상 지출 패턴일 때 사기일까?
• 공급망 최적화:
  • 악천후일 때 지연 확률?

베이즈 정리로 확률 갱신

• 새 증거로 확률을 갱신
• 시작: 사전확률 + 새 데이터 + 가능도

베이즈 정리로 확률 갱신

• 새 증거로 확률을 갱신
• 시작: 사전확률 + 새 데이터 + 가능도
• 결과: 사후확률

베이지안 모델링과 의사결정

• 새 데이터가 오면 연속 갱신
• 불확실성과 불완전한 데이터 관리
• 의사결정 적응·개선

예시: 사기 탐지

• 신용카드 사기 추적에 베이지안 모델 사용
  • 업계 데이터 기반 사전확률: 2%
• 새 거래
  • 갑작스런 지출 변화
    • 사기 거래의 85%에서 나타남
    • 정상 거래의 5%에서만 나타남
  • 갱신된 사후확률이 크게 상승, 25.8%
• 거래를 검토 대상으로 표시

연습해 봅시다!

고급 확률: 데이터의 불확실성 다루기