머신러닝 개요

머신러닝

• 정의 : 데이터를 학습해 패턴이나 규칙을 찾고 미래를 예측하는 기술 / 새로운 데이터(미래의 일)가 들어왔을 때 결과를 예측한다.

데이터

1. 학습(train) 데이터
2. 평가(test) 데이터

• 보통 7:3 비율로 나눠서 학습7 / 평가3으로 데이터 할당한다.

머신러닝 학습 방법

1. 지도학습 (예측 / 분류)

   • 문제와 정답을 같이주고 학습시킨다.

   • 분류 : 이 고객이 구매할까 (Yes / No)

     • 미리 정의된 여러 정답(Label, Class)중 하나를 예측
     • 시험결과 (합/불)예측, 비만도(정상/저체중/비만)예측
     • 정답 2개 = binary (이진분류)/ 정답 3개 이상 = multiclass(다중분류)
     • 평가지표
       1. 정확도
       2. 정밀도
       3. 재현율
       4. F1 Score

   • 회귀 : 이 고객이 얼마나 구매할까? (32,000원)

     • 연속적인 숫자를 예측하는 것
     • 집의 위치 주변시설
     • 선형회귀 분석과 같이 예측 공식을 찾아 그 값을 반환하는 것
     • 평가지표
       1. MAE (평균절대오차)
       2. MSE (평균제곱오차)
       3. R² (결정계수)

     	분류 (Classification)	회귀 (Regression)
     출력값	카테고리	연속적인 숫자
     예시	비만/정상/저체중	몸무게가 몇 kg?
     알고리즘	KNN, Decision Tree	선형회귀, Ridge, Lasso
     평가지표	정확도, F1	MAE, MSE, R²

2. 비지도 학습 (연관 규칙 / 군집)

   • 문제만 주고 학습시킨다.
   • 답이 없는 상태에서 학습 방법
   • 비슷한 특성으로 묶는 군집

3. 강화학습 (보상)

   • 지도학습과 유사하지만 완전한 답을 제공하지 않음
   • 미리 셋팅된 상황에서 더 많은 보상을 얻을 수 있는 방향으로 학습
   • 게임모델이나 로봇을 학습시키는데 많이 사용
   • 데이터가 부족한 상황에서 좋은 학습 방법

머신러닝 활용 분야

1. 지도 학습
   • 카톡 스팸메세지 자동 차단
   • 아이폰 faceID 얼굴인식 잠금해제
   • 신용카드 부정사용 실시간 탐지
   • 엑스레이 영상 폐렴 진단
2. 비지도 학습
   • 쿠팡 '비슷한 상품 추천'
   • 네이버 비슷한 기사 묶기
   • 공장센서 이상신호 자동 감지
3. 강화 학습
   • 유튜브 틱톡 알고리즘 추천
   • 구글 데이터센터 40%냉각비 절감
   • chat GPT 품질 개선머신러닝 마케팅 활용 분야
4. 지도학습 (직접적인 수치와 글)
   • 고객 이탈 예측 / 해지 가능성 점수화
   • 광고 클릭률 예측 / 노출 최적화
   • CLV예측 / VIP식별
   • 리뷰 감성 분석 - 긍정.부정 분류
5. 비지도학습 (패턴과 군집화)
   • 고객 세그멘테이션 페르소나 도출
   • 장바구니 연관상품 발견
   • 고객 여정 패턴 발굴. 행동 군집화
   • sns 토픽 모델링. 브랜드 언급 주제 분석
6. 강화학습 (실시간 추적 대응)
   • 실시간 광고 입찰 최적화
   • 개인화 추천 알고리즘 보상 학습
   • 동적 가격 책적 / 쿠폰 발급 타이밍 예측
   • a/b 테스트 자동화

머신러닝 학습과정 7단계

1. 문제정의 / 요구사항 분석

   • 해결해야할 이슈
   • 얻고자 하는게 뭐야?
   • 학습 종류 선정(지도 vs 비지도 vs 강화)

2. 데이터 수집

   • 크롤링
   • 내부 데이터
   • IoT 센서 데이터 수집
   • 설문조사

3. 데이터 전처리

   • 이상치 / 결측치 처리
   • 특성공학 (원본 데이터를 모델이 더 잘 학습할 수 있는 형태고 가공.변환.생성 하는 작업)
     1. 수치형 변환
        • 스케일링 : 단위가 다른 변수들 맞추기
          로그변환 / Z-Score표준화 / Min-Max정규화
        • 구간화 : 연속 수치를 구간으로 나누기
          소 / 중 / 대
     2. 범주형 인코딩
        • 원-핫 인코딩 : 모델은 문자를 못읽어서 변환
          네이버 -> 1 / 구글 -> 2
        • 레이블 인코딩 : 순서가 있는 경우 변환
          소 -> 0 / 중 -> 1 / 대 -> 2

4. 탐색적 데이터 분석 (EDA - Explotary Data Analysis)

   • 정의 : 모델 만들기 전에 데이터를 눈으로 먼저 파악하는 과정(요리 재료 손질 전 냉장고 뭐가 있나 확인하는 것)

   1. 기본정보확인

      import pandas as pd

df = pd.read\_csv('data.csv')

````
2. 수치요약
```df.describe()   # 수치형 컬럼 통계 한번에
# 결측값 개수
df.isnull().sum()

# 결측값 비율
df.isnull().sum() / len(df) * 100
````

3.  시각화
    히스토그램(분포) / 박스플롯(이상치) / 히트맵(상관관계) / 막대그래프(정규성) 
4.  인사이트 도출  
    ✅ 데이터가 몇 개야? → shape  
    ✅ 결측값 있어? → isnull  
    ✅ 이상치 있어? → boxplot  
    ✅ 어떤 특성이 타겟과 관련 있어? → 상관관계  
    ✅ 클래스 불균형 있어? → value\_counts  
    ✅ 특성공학 뭐 해야 해? → 분포 보고 결정

5. df.shape # (행 수, 열 수)
   df.head() # 상위 5개 행
   df.tail() # 하위 5개 행
   df.info() # 컬럼명, 타입, 결측값 한눈에
   df.dtypes # 각 컬럼 데이터 타입

6. 모델 선택
   데이터 적고 해석 중요 → Decision Tree
   데이터 많고 안정성 중요 → Random Forest
   성능 극한으로 뽑기 → Boosting (XGBoost)
   숫자 예측 + 특성 많음 → Ridge / Lasso
   정답 없이 그룹화 → Clustering

7. 하이퍼 파라미터 k값과 간은 사람이 직접 설정하는 튜닝 값

8. 모델 학습

   • model.fit(quiz / answer)

9. 모델 평가

   • model.predict(test)
   • metrics.accuracy_score(y_test, pred)
   1. 정확도 : 올바르게 예측한 수 / 전체 예측 수
      Confusion Matirx
   2. 정밀도 : positive라고 예측한 것 중 실제로 맞은 비율
      모델이 positive로 예측한 값들 중 실제 정답이 positive인 비율
   3. 재현율 : 실제 positive중 맞게 잡은 비율
      실제 정답이 positive인 것 중에서 모델이 positive로 예측한 비율
   4. F1 score : 정밀도와 재현율의 조화평균

99%정확도는 높은가?

• if 국정원의 보안율이 99%라면 100번 중 1번꼴로 뚤린다면? 낮은것이다.
• BMI 수치 예측에서 99% 는? 높은 것이다!

정확도는 상대적으로 평가 가능