8. Classification

Classification이란 주어진 데이터에 대해서 Class label을 예측하는 것

 

Classificaiotn vs Regression

---

둘은 어떤 차이가 있을까?

• Classification
  • 주어진 데이터에 대해 Categorical한 Class label을 예측 하는 것
  • 학습 데이터를 통해서 Classifier를 학습시킨 다음, 새로운 데이터를 모델에 넣어서 결과를 예측
  • Ex) 날씨가 추운지 안 추운지 판별하는 모델
• Regression
  • Continuous한 값을 뱉어내는 모델을 학습시킨다
  • Unknown하거나 Missing된 값을 모델을 사용해서 예측한다
  • 연속된 값을 예측 하는 모델을 만드는 것
  • Ex) 기온을 예측하는 모델

 

Classification

---

Classification을 수행하는 모델은 어떻게 만들 수 있을까

• 이미 클래스 값이 결정되어 있는 학습 데이터를 사용해서, 그 학습 데이터를 가장 잘 설명하는 모델을 만드는 것
• Training Data
  • 모델을 생성하기 위해서 사용되는 데이터
  • <Feature 1, Feature 2, ..., Feature N, Lable> 형태
  • 각각의 데이터는 하나의 Class에 속한 것으로 가정된다
• Model
  • 모델은 <Feature 1, Feature 2, ..., Feature N> 형태의 데이터가 들어오면, 해당 데이터의 label을 예측한다
  • 다양한 Classifier 모델이 존재한다
    • Classification Rules
    • Decision Trees
    • Networks
    • Mathematical Formula

결국, 학습된 모델을 사용해서 새로운 데이터에 대해 클래슥 값을 예측하는 것이 Classification이다

 

예시

---

Spam mail을 분류하는 모델을 생성하고, 사용하는 예시

Spam Classifier

Supervised vs Unsupervised

---

모델을 학습시키는 방법에는 크게 2가지가 있다

• Supervised Learning (Classification)
  • 학습 데이터에 Class label이 명시되어 있다
  • 앞선 Spam mail 분류기를 학습시킬 때 학습 데이터의 label이 스팸인지 아닌지 명시되어 있었다
  • 새로운 데이터가 들어오면, 학습 데이터에 근거해서 Class를 예측한다
• Unsupervised Learning (Clustering)
  • 학습 데이터에 Class label에 대한 정보가 없다
  • 클래스를 예측하는 것이 목표가 아니라, 비슷한 데이터끼리 클러스터링을 형성하는 것이 목표

 

Issues in Classification

---

Classification을 할 때 고려해야 하는 것들

 

Data Preparation

---

데이터를 준비하는 과정이 필요하다

• Data Cleaning
  • 데이터를 전처리해서 노이즈, 에러 등의 이슈를 제거하는 과정
• Relevance Analysis (Feature Selection)
  • 필요없는 Feature들을 제거해서, 더 빠르고 정확하게 학습과 분류가 가능하도록 한다
• Data Transformation
  • 데이터를 생성하고 정규화하는 것

 

Evaluation Points

---

수많은 모델들 중에서 하나를 골라야 하는데, 모델을 평가하기 위한 기준

• Accuracy
• Speed
  • 학습 시간
  • 분류 시간
• Robustness
  • 데이터에 섞인 노이즈, 에러, 아웃라이어 등을 얼마나 잘 핸들링 할 수 있는가
• Scalability
  • 데이터의 수가 늘어나도 문제가 없는지?
• Interpretability
  • 왜 이러한 결과를 내놓았는지에 대한 분석이 가능한지?