[30점 만점] [데이터마이닝] 2022 1학기 중간과제물 한국방송통신대학교 통계데이터과학과

소개글

"[30점 만점] [데이터마이닝] 2022 1학기 중간과제물 한국방송통신대학교 통계데이터과학과"에 대한 내용입니다.

목차

1. 데이터마이닝은 데이터에서 의미를 추출하는 기법을 의미하며, 모수적 모형 접근방법과 알고리즘 접근 방법이 모두 활용될 수 있다. 모수적 모형 접근법과 알고리즘 접근법의 특징, 장단점 및 사례를 조사하시오. 또한 SNS에 게시된 텍스트 데이터를 분석한다고 할 때, 어떠한 주제를 분석하면 좋을지 주제를 제안하고 어떤 방법을 이용하여 분석하면 좋을지 데이터 마이닝 측면에서 논하시오. (7점)
2. 와인품질 데이터에 로지스틱 회귀모형을 적합하고자 한다. 과거의 분석 경험을 통해 alcohol 변수와 sulphates 두 변수가 매우 중요한 변수라는 것이 밝혀졌다고 하자. ① 이 두 변수만을 입력변수로 하여 와인 품질을 예측하는 로지스틱 회귀모형을 적합하시오. 또한, 이 적합 결과를 교재의 ② 전체 변수를 모두 넣고 분석한 결과 및 ③ 변수 선택을 하여 몇 개의 변수만 선택하고 분석한 결과와 비교하시오. (7점)
3. 어떤 데이터의 두 변수 X1과 X2는 1, 2, 3 등 세 가지 값을 갖고, 목표변수는 Y=0, Y=1의 2개의 범주를 갖는다고 할 때, 각 집단별로 X1과 X2에 대하여 분할표를 아래와 같이 생성하였다. 다음 물음에 답하시오. (8점)
4. 배깅, 부스팅, 랜덤포레스트 중에서 극단값에 더 예민하게 반응할 수 있는 앙상블 방법이 무엇인지 쓰고, 교재에 설명된 각각의 알고리즘(p.116∼122)을 참고하여 그 근거를 밝히시오. (8점)

본문내용

데이터마이닝에서 모수적 모델은 모수를 추정하는 모델을 통칭하며, 대표적으로 단순 선형 회귀분석은 예측변수와 반응변수의 관계를 직선으로 나타내고 Y=ax+b와 같은 모형으로 나타낸다. 예측변수를 통해서 반응변수를 예측해 볼 수 있는 이러한 방법은 결과 해석이 쉽고 결과값이 간단하다는 장점이 있다. 하지만 모수적 모델은 예측변수와 반응변수의 랜덤성이 있기에 변수의 오차값이 평균이 0이고 분산이 일정하다는 가정을 한다. 이러한 가정에 적용되지 않는 자료를 사용하는 경우에는 결과값의 성능이 낮을 수 있다는 단점이 있다. 대표적으로는 선형회귀모형과 로지스틱회귀모형이 모수적 모형 접근방법이다.
알고리즘 접근방법은 주어진 알고리즘 방식으로 계산하고 결과를 분석하는 방식이며, 알고리즘을 통해 학습을 하게 된다. 다양한 방법들이 있으며, 적절한 알고리즘을 사용하는 경우 데이터가 분석하기 어렵다고 하더라도 적용이 가능하다. 알고리즘의 근본적인 개념이나 이론을 모르고 사용하게 되는 경우, 잘못된 방식으로 데이터마이닝이 될 수 있다. 대표적으로 과적합이 나타날 수 있다. 복잡한 알고리즘의 경우 사람의 이해를 벗어나게 되고 기계만 결과를 인지할 수 있는 단점도 있다. 대표적으로는 의사결정나무, 배깅, 부스팅, 랜덤포레스트, 신경망 모형 등이 있다.
네트워크 사용자가 급속하게 발생하면서 SNS사용이 늘어났다. SNS를 통해서 사람들의 일상생활이나 개인적 취향이나 의견들을 엿볼 수 있는데 이를 데이터마이닝을 통해서 자료를 수집하는 경우 유의미한 결과를 도출할 수 있다. 특히 현실에서는 페르소나 때문에 알 수 없었던 사용자들의 반응이 인터넷 세상에서는 적나라하게 드러난다. 설문이나 직접적인 질문과 같은 전통적인 방식의 분석은 바이어스 때문에 정확하지 않는 정보를 전달 할 수 있다. 그렇기에 SNS 부정과 긍정의 감정을 분석하여 다양한 분석이 가능하며, 대표적으로 특정한 상품에 대한 긍정과 부정, 특정한 인물에 대한 긍정과 부정, 아니면 어떠한 사안에 대한 긍정과 부정이 있겠다.

참고 자료

없음