예측 모델(지도 학습)

비즈니스를 위한 Machine Learning

Karolis Urbonas

Head of Machine Learning & Science, Amazon

지도 학습 vs. 비지도 학습

지도 학습 모델

결과의 클래스/유형 예측(예: 구독 해지, 사기, 구매) - 분류

결과의 수치 예측(예: 지출 금액, 이용 시간) - 회귀

비지도 학습 모델

군집화 - 유사한 관측치를 그룹으로 묶기(예: 고객/시장 세분화)

지도 학습 유형

분류 - 타깃 변수가 범주형(이산)(결과의 클래스) (classification)

고객이 구독을 해지할까요?

이 거래는 사기일까요?

이 사용자의 직업은 무엇일까요?

회귀 - 타깃 변수가 연속형(결과의 양) (regression)

다음 달 제품 구매 횟수

내년 게임 이용 시간

보험 지출 금액(달러)

데이터 수집

머신러닝 팀은 원하는 결과를 가장 정확히 예측하기 위해 사용 가능한 모든 데이터를 수집해야 합니다. 예: 구매 예측의 경우

고객 정보

구매/해지 이력, 주문 금액

탐색 기록, 로그, 오류

기기 정보와 위치

제품/서비스 사용 빈도

기타 등등

분류 예시

분류-데이터

분류 - 훈련

분류-훈련

분류 - 학습

분류-학습

분류 - 미확인 데이터

분류-미확인데이터

분류 - 예측

분류-예측

회귀 예시

회귀-데이터

회귀 - 훈련

회귀-훈련

회귀 - 학습

회귀-학습

회귀 - 미확인 데이터

회귀-미확인데이터

회귀 - 예측

회귀-예측

회귀 - 실제 예측

회귀-실제예측

연습해 봅시다!

비즈니스를 위한 Machine Learning