모델 우선순위

의사결정 과학 이해하기

Howard Friedman

Adjunct Professor at Columbia University

선형회귀로 단순하게 시작하기

  • 가정이 충족되면 연속형 결과에 효과적입니다
  • 200년 넘게 실무에서 검증되었습니다

단순함의 힘

  • 선형회귀는 데이터에 최적의 직선을 찾습니다
  • 변환을 활용하면 복잡한 비선형 관계도 모델링합니다

해석 가능성이 중요합니다

  • 계수는 정렬과 이해에 도움됩니다
  • 계산이 빠르고 설명이 쉽습니다
     

선형회귀 예시

의사결정 과학 이해하기

로지스틱 회귀

많은 실제 문제는 이진 또는 범주 예측을 포함합니다:

  • 부정행위 탐지, 이탈 예측, 의료 위험 모델

동전 던지기

로지스틱 회귀는 매우 범용적입니다

  • 이진, 다중 범주, 순서형 결과에 적합합니다

확률은 의사결정을 지원합니다

해석·구현이 쉽습니다

  • 계수로 각 특성이 결과에 미치는 영향을 파악합니다
  • 더 복잡한 분류기의 기준선으로 좋습니다
의사결정 과학 이해하기

특성 변환

강력한 기준선 모델부터 시작합니다

  • 먼저 동작하는 버전을 만들고, 이후 고급 모델의 가치를 평가합니다

특성 변환은 성능을 높일 수 있습니다

  • 로그·제곱 등은 설명 분산을 늘릴 수 있습니다
  • 데이터 적합도도 개선할 수 있습니다

모델 가정을 데이터와 맞추세요

  • 선형회귀처럼 일부 모델은 잔차가 정규분포일 때 가장 잘 동작합니다

  도구 상자

의사결정 과학 이해하기

자주 쓰는 변환

 

  • 로그·제곱근 변환은 범위를 압축하고 이상치 영향을 줄입니다
  • 표준화·정규화는 단위를 맞추어 특성 범위를 유사하게 합니다
  • 다항식 항(제곱, 세제곱 등)은 적은 노력으로 비선형 관계를 표현합니다

 

복잡한 모델로 뛰어들기 전, 변환으로 초기 모델을 개선하세요

 

변환 예시

의사결정 과학 이해하기

연습해 봅시다!

의사결정 과학 이해하기

Preparing Video For Download...