Chapter.03 Machine Learning Workflow-01. 분석 문제 정의

💡

분석 문제 정의 : 어떤 문제를 머신러닝 방법론을 이용해서 해결할 것이냐! 머신러닝 방법론을 기준으로 문제를 정의하는 것.

이슈 파악 및 문제 도출

• 문제 이해를 위해 예시를 하나 정의합니다.

• 우리는 식물학자 입니다.

• Iris(붓꽃)의 생태계에 대해 연구를 해보려고 합니다.

• 조사를 한 결과, Iris는 3개의 종(setosa, versicolor, virginica)이 있다는 것을 확인했습니다.

• 우리는 Iris DB를 구축하려고 한다.

• 이 DB에는 후대에 Iris를 연구하는 연구자들을 위해 Iris data를 입력하면 어떤 종(species)인지 알려주는 프로그램을 작성하려고 합니다.

Source : Iris setosa

Source : Iris versicolor

분석 데이터 정의

• 우리는 이 3개의 종에 대한 특징을 기록(저장)하고 싶습니다.

• 어떤 정보들이 필요할까요?

  • 꽃잎의 모양

  • 꽃받침

  • 줄기 모양

  • 뿌리 모양

  • 수명

  • 어떤 종인지! (Target Value, Label) → y

머신러닝 문제 정의

• 정의한 특징들을 기반으로 Iris 데이터를 종별로 나누려고 합니다.

• 어떤 머신러닝 문제들이 있을까요?

  • 분류: 데이터를 비슷한 부류로 나누는 방법. 데이터가 어떤 부류로 나뉘는지 이미 알고있는 경우에 사용.

  • 회귀: 데이터의 특정 값을 예측하는 방법. 데이터의 값을 이미 알고있는 경우에 사용.

  • 클러스터링: 데이터를 비슷한 부류로 나눈 방법. 데이터가 어떤 부류로 나뉘는지 몰라도 사용 가능.

  • 추천: 어떤 User에게 어떤 Item을 제안하는 방법. 주로 과거 이용 기록, 유저의 특징, 아이템의 특징을 사용.

  • 랭킹(Ranking): 주어진 평가 기준에 따라 순위를 매기는 방법.

• 이 중에 어떤 task가 우리가 하려는 일일까?
  • “분류” & “클러스터링”

• 둘 중에 어떤 방법이 더 좋을까요?
  • 분류! → 성능이 확실하다.

베이스라인 선정

• 우리가 하려는 일을 과거에 한 사례가 있다면, 참고합시다.

• “The Use of Multiple Measurements in Taxonomic Problems”

• Original Research Paper

https://onlinelibrary.wiley.com/doi/10.1111/j.1469-1809.1936.tb02137.x

• Wikipidia

Iris flower data set

The Iris flower data set or Fisher's Iris data set is a multivariate data set used and made famous by the British statistician and biologist Ronald Fisher in his 1936 paper The use of multiple measurements in taxonomic problems as an example of linear discriminant analysis. It is sometimes called Anderson's Iris data set because Edgar Anderson collected the data to quantify the morphologic variation of Iris flowers of three related species. Two of the three species were collected in the Gaspé Peninsula "all from the same pasture, and picked on the same day and measured at the same time by the same person with the same apparatus".

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

• Linear Discriminant Analysis(LDA)를 기준 방법으로 사용해 보면 좋을 것 같습니다.

• 만약, 후대에 더 발전된 연구가 있다면? 또는 사례조사가 있다면? → 비교적 최근 자료를 찾으면 저더 좋다.

요약

• (식물학자로써, Iris DB를 구축하고 싶을때) 필요한 데이터와 문제 정의가 중요하다!

• 다양한 생각과 사례 조사를 통해 굉장히 구체적으로 정의하는 것이 중요하다.

• 데이터 정의를 할 땐, 어떤 특징(feature)을 사용할 것인가를 정의해야 합니다.

• 머신러닝 문제 정의를 할 땐, 어떤 Task로 분석을 할지 정의를 해야 합니다.

• 베이스라인 선정을 할 땐, 사례조사를 꼼꼼하게 잘 해야 합니다. 비교적 최신 자료가 있다면 더 좋습니다.

Uploaded by N2T