Chapter.01 데이터 사이언스란?-04. 모델링

💡

모델링(Modeling) : 수학/통계적인 방법을 이용하여 데이터를 해석하는 과정.

• 근본적인 개념은 수학적인 모델과 통계적인 모델의 개념에서 나온다.

Mathematical model - Wikipedia

A mathematical model is a description of a system using mathematical concepts and language. The process of developing a mathematical model is termed mathematical modeling. Mathematical models are used in the natural sciences (such as physics, biology, earth science, chemistry) and engineering disciplines (such as computer science, electrical engineering), as well as in non-physical systems such as the social sciences (such as economics, psychology, sociology, political science).

https://en.wikipedia.org/wiki/Mathematical_model

Statistical model - Wikipedia

A statistical model is a mathematical model that embodies a set of statistical assumptions concerning the generation of sample data (and similar data from a larger population). A statistical model represents, often in considerably idealized form, the data-generating process. A statistical model is usually specified as a mathematical relationship between one or more random variables and other non-random variables.

https://en.wikipedia.org/wiki/Statistical_model

• 데이터 사이언스에서 사용하는 모델은 통계 모델 그 자체일 수도 있고, 데이터를 분석하는 어떤 시스템 그 자체일 수도있다.

• 모델은 하려고 하는 task에 따라 여러가지 이름으로 불린다. e.g. 예측 모델, 생성 모델, 요약 모델, …

• 데이터 사이언스는 주로 예측 모델이 사용된다.

• 예측 모델이란, 주어진 데이터의 패턴을 파악해서 미래의 데이터의 패턴을 예측할 수 있는 시스템을 말한다.

• 모델링에는 통계적 모델링과 머신러닝(Machine Learning) 방법이 주로 사용된다.

Statistical Modeling

💡

통계적 모델링 : 데이터가 정의되는 공간(S, sample space)와 그 공간에서의 확률 분포(P, probability distribution on S)가 있다고 할 때, 어떤 데이터는 S에서의 P를 통해서 만들어졌다고 가정하고 데이터를 잘 기술하는 P를 찾는 과정.

• 보통 P는 parameter들에 대해서 정의된다. /수학

• parameter란 어떤 통계 집단을 기술하는 측정된 값이다. e.g. 평균(mean, $\mu$), 표준편차(standard deviation, $\sigma$) ...

• 적절한 parameter를 찾게 되면 잘 기술하는 P를 찾을 수 있다.

• 이러한 parameter를 찾아가는 과정이라고 볼 수 있다.

Machine Learning Modeling

💡

머신러닝 모델링 : 주어진 학습 데이터로 얻은 정보로 학습하지 않은 데이터에 대해서 예측(또는 추론)을 하는 과정

• 머신러닝 모델은 여러가지 종류가 있다.

• 어떤 task를 수행하느냐에 따라서 적합한 모델들이 있다. e.g. 분류 - Logistic Regression, Naive Bayes, ... 회귀 - Linear Regression, Random Forest, ...

• 통계적 모델링 처럼 적절한 Parameter(또는 weight)를 찾는 과정이라고 볼 수 있다.

• 학습 방법을 결정하는 parameter인 hyper-parameter의 영향을 받는다.

요약

• 통계적 모델링은 데이터를 해석할 수 있는 확률 분포를 찾아가는 과정이다. 그 확률분포는 parameter를 통해 결정된다.

• 머신러닝 모델링은 주어진 학습데이터로 정보를 학습해서 학습하지 않은 데이터를 판단하는 기준을 설정하는 과정, 그 판단하는 기준은 parameter를 통해 결정된다.

• 모델링이라는 것은 어떠한 parameter를 찾아가는 과정이다.

---

Hands-on

1. Mathematical Model과 Statistical Model에 대한 영문 위키피디아를 읽고, 나름대로 생각한 정의를 정리해보세요.

2. 대표적인 머신러닝 모델들을 3가지 정도 찾아서 정리해보세요.

Uploaded by N2T