[빅데이터분석기사 필기] 3-2. (1) 분석기법 개요

지도학습 (Supervised Learning)

정답(Label, 라벨, 레이블)이 있는 데이터를 활용해 데이터를 학습시키는 방법

 

프로세스

1. 훈련 데이터(정답O)로 모델을 학습시킴
2. 테스트 데이터(정답X)로 학습시킨 모델의 성능을 검증함

 

유형

A. 분류

a. 이진분류

b. 다중분류

• 의사결정트리(분류)
• 랜덤 포레스트
• 인공신경망
• 서포트벡터머신(SVM)
• 로지스틱 회귀분석

 

B. 회귀(=예측)

• 의사결정트리(회귀)
• 선형회귀분석
• 다중회귀분석

 

 

 

 

 

 

비지도학습 (Unsupervised Learning)

정답이 없는 데이터를 컴퓨터가 스스로 학습하여 숨겨진 의미나 패턴 등을 찾아내고 구조화하는 방법

 

종류

1. 군집분석 (Clustering)
2. 연관성분석 (Association Analysis)
3. 인공신경망 (Neural Networks)
4. 오토인코더 (Auto-encoder)

 

 

 

 

 

 

준지도학습 (Semi-supervised Learning)

정답이 있는 데이터와 정답이 없는 데이터를 동시에 학습하는 방법

 

 

종류

1. 셀프 트레이닝 : 정답이 있는 데이터로 모델 학습한 후, 정답이 없는 데이터를 예측하여 이 중 가장 확률값이 높은 데이터들만 정답 데이터로 다시 가져가는 방식을 반복
2. GAN(Genrative Adversarial Networks; 생성적 적대 신경망) : '생성모델'에서 데이터 분포 법칙에 따라 데이터를 생성하면 '판별모델'에서 이를 판별

 

 

 

 

 

 

강화학습 (Reinforcement Learning)

주어진 환경에서 보상을 최대화하도록 에이전트를 학습하는 방법

 

 

종류

1. Q-Learning
2. 정책경사(PG; Policy Gradient)

 

 

 

 

 

데이터 분석 알고리즘과 활용 분야

• 업리프트 모델링 : 단계적 추정, 예측 분석, 마케팅(AB Test)
• 생존분석 : 의료 통계, 설비 분야 사건 예측
• 회귀분석 : 예측, 추정 분석
• 시각화 : 원인과 관계 분석
• 기초통계 : 기초 통계현황 파악
• 부스팅/배깅 : 분류 분석
• 시계열 분석: 시간상의 예측, 금융(이자율, 주식)
• 요인분석 : 차원 축소
• 텍스트 마이닝 : 감성 분석
• 의사결정 나무/랜덤 포레스트 : 분류
• 신경 회로망 : 예측 분석
• 군집분석 : 독립변수들만의 분류, 그룹화
• 추천-협업 필터링 : 아이템과 이용자 간의 상호 분석을 통한 추천
• 앙상블 기법 : 추정, 예측, 규범 등의 결합 분석
• 소셜네트워크 분석 : 관계망 분석
• SVM : 분류 분석
• PCA : 원인분석, 차원축소