ABOUT ME

-

Today
-
Yesterday
-
Total
-
  • [빅데이터분석기사 필기 요약] III.빅데이터 모델링 - 02. 분석기법 적용 (6) 범주형 자료 분석
    자격증/빅데이터분석기사-필기 2021. 3. 24. 16:34
    728x90
    반응형

    빅데이터분석기사 필기 요약

    🔑 분할표분석/ 상대위험도/ 승산비/ 카이제곱분석/ 교차분석/
           적합도검정/ 독립성검정/ 동질성검정/ 피셔정확검정/ 

           다변량분석/ 피어슨상관계수/ 스피어만상관계수/ 다차원척도법/ 주성분분석

     

    III. 빅데이터 모델링

       02. 분석기법 적용

          1. 분석기법

          2. 고급 분석기법

          



     

    2. 고급 분석기법

     

    [1] 범주형 자료 분석

     

    (1) 범주형 자료 분석 | 분할표 분석/ 카이제곱 분석/ 피셔 정확 검정/ 로지스틱 회귀분석

    • 범주형 자료 분석
      - 종속변수: 1개/ 범주형
      - 종속변수가 1개이고 범주형인 데이터를 분석하여, 모형과 독립변수의 유의성을 알아봄

    • 독립변수(X)의 척도에 따른 분석방법
      • 독립변수가 범주형: 분할표 분석/ 카이제곱 검정(교차 분석)/ 피셔 정확 검정
      • 독립변수가 연속형: 로지스틱 회귀분석

     

     

    (2) 분할표 분석 (Contingency Table) | 상대위험도(RR)/ 승산비(Odds Ratio)

    2원 분할표 예시 (Two-way Contingency Table)
    🔍 [열]
    종속변수
    A후보 B후보 [주변 합] Margin Sum
    [행]
    독립변수
    여성 28 20 48
    남성 39 13 52
    [주변 합] Margin Sum 67 33 100

     

    • 분할표
      - 범주형 변수 개수에 따라 1원/ 2원/ 다원 분할표
      - 행: 독립변수/ 열: 종속변수
      - 주변합(Margin Sum): 마지막 행열에 총계 데이터


    • 상대위험도 (RR; Relative Risk) = {a / (a+b)} / {c / (c+d)}: 비교 집단의 위험률 대비, 관심있는 집단의 위험률
      • (관심 집단 위험률) / (비교 집단 위험률)
        = { a / (a+b) } / { c / (c+d) }

      • 위험률: 특정 사건이 발생할 비율

      • 1을 기준으로 평가함
        - RR < 1: 관심 집단의 특정 사건 발생확률 낮음
        - RR = 1: 관심 집단과 특정 사건의 발생에 연관성 없음
        - RR > 1: 관심 집단의 특정 사건 발생확률 높음

    • 승산비 (Odds Ratio) = 교차비 = 대응위험도
      • 승산 = p / (1 - p): 특정 사건이 발생하지 않을 확률 대비, 발생할 확률
        =  (특정 사건 발생 확률) / (발생하지 않을 확률)
        = (이길 확률) / (1 - 이길확률) = p / (1 - p)

      • 승산비 = ad / bc: 비교 집단의 승산 대비, 관심 있는 집단의 승산
        = (관심 집단의 승산) / (비교 집단의 승산)
        = (특정 조건이 있을 때의 오즈) / (다른 조건이 있을 때의 오즈)
        = (a / b) / (c / d) = ad / bc (교차비)

     

     

     


     

    (3) 카이제곱 분석 (Chi-Squared Test) = 교차 분석 | 적합도 검정/ 독립성 검정/ 동질성 검정

    • 분석 방법: χ² (카이제곱 값) 계산 → p-value가 유의수준보다 작으면 귀무가설 기각

    • 카이제곱 값 = Σ (관측빈도 - 기대빈도)² / (기대빈도)
      - 관측빈도와 기대빈도의 차이인
      - 편차의 제곱 값을
      - 기대빈도로 나눈 값들의 합
      적합도 검정
    Goodness of Fit
    "특정 분포"
    독립성 검정
    Independence
    "두 요인/변수가 서로 독립인가"
    동질성 검정
    Homogeneity
    "각 부모집단의 동질성"
    귀무가설 - 표본 집단의 분포가 가정한 이론
      (기대되는 빈도)과 동일한가
    - 표본 집단의 분포가 주어진
      특정 분포를 따르는가
    - 여러 범주를 가지는 요인 2개가
      서로 독립적인가
    - 혹은 요인 간에 연관성이 있는가
    - 각각의 독립적인 부모집단에서
      표본을 추출하는 경우
    - 관측값들이 정해진 범주 내에서
      서로 동질한지 여부
    - "모집단이 동질한가"
    자유도 범주 개수 - 1
    k - 1
    {(범주1 수) - 1} ⨉ {(범주2 수) - 1}
    (k₁ - 1) ⨉ (k₂ - 1)
    {(범주1 수) - 1} ⨉ {(범주2 수) - 1}
    (k₁ - 1) ⨉ (k₂ - 1)
    특징 - 자료를 구분하는 범주가
      상호배타적이어야 함
    - 관찰빈도와 기대빈도의 차이↑ 
       H₀ 기각 확률↑

    (ex) 학년별로 수강생의 분포가
             균일한가 (기대 비율 0.25)
    (ex) 학년(1, 2, 3학년)이라는
             범주형 자료(요인1)와
             선호과목(국, 영, 수)이라는
             범주형 자료(요인2) 간에
             서로 연관성이 있는지 판
    - 독립성검정과 동질성검정은
       개념상의 차이만 있고,
       계산방식은 같음

    (ex) 학생그룹 1과 학생그룹 2가
             선호하는 과목은 동일한가

     

     

    (4) 피셔의 정확 검정 (Fisher's Exact Test) | 분할표 문제로, 카이제곱검정의 정확도가 떨어지는 경우 사용하는 방법

    • 피셔 정확 검정을 사용하는 경우
      • 표본 수가 적은 경우
      • 분할표에서 셀에 치우치게 분포된 경우
      • 기대빈도가 5 미만인 셀이 20% 넘는 경우
        - 기대빈도: 두 변수가 독립일 경우에 이론적으로 기대할 수 있는 빈도 분포/ 예상되는 빈도

     

     

     


     

    [2] 다변량 분석

     

    (1) 상관분석 | 피어슨 상관계수/ 스피어만 순위 상관계수

    • 피어슨 상관계수: 두 변수간 선형관계의 크기를 측정 (비선형관계는 측정X)
      • 등간 척도 or 비례 척도를 사용하는 연속형 데이터에서 사용
      • 계산방법: 두 변수의 공분산을 표준편차의 곱으로 나눈 값
                           = Corr (X, Y) = Cov (X, Y) / √Var(X)Var(Y)
      • 모집단 - 모 상관계수 (ρ) / 표본집단 - 표본 상관계수 (r)
      • -1 에서 +1 사이의 값

    • 스피어만 순위 상관계수: 두 변수간 비선형적인 관계도 나타낼 수 있음
      • 계산방법: 두 변수를 모두 순위로 변환 → 두 순위간 피어슨 상관계수 계산
      • -1 에서 +1 사이의 값

     

     

    (2) 다차원 척도법 | 개체들 사이의 유사성(비유사성)을 측정하여 시각적으로 표현

    • 다차원 척도법 (MDS; MultiDimensionality Scaling)
      - 개체들 사이의 유사성, 비유사성을 측정하여
      - 2차원 or 3차원 공간상에 점으로 표현하여
      - 개체들 사이의 집단화를 시각적으로 표현하는 분석 방법

    • 여러 대상간의 거리가 주어져 있을 때, 대상들을 동일한 상대적 거리를 가진 실수 공간의 점들로 배치시키는 방법
    • 주어진 거리는 추상적인 대상들 간 거리 & 실수 공간에서의 거리 둘 다 될 수 있음
    • 주로 자료들의 상대적 관계를 이해하는 시각화 방법의 근간으로 사용됨
    다차원 척도법 예시 유클리드 거리행렬 스트레스 값 (Stress Value)

    개체들의 거리를 나타내기 위해
    유클리드 거리행렬을 이용함

    관측대상들의 적합도 수준을 나타내는 값

    0: 완벽 (Perfect)

    0.15~1: 나쁨 (Poor)

     

    (3) 주성분 분석 | 고차원 자료의 차원을 축소(축약)시킴/ 상관성 높은 변수들을 요약함

     

    • 주성분 분석 (PCA; Principal Component Analysis)
      - 상관관계가 있는 고차원 자료를
      - 원래 변동을 최대한 보존하는
      - 저차원 자료로 변환하는
      - 차원축소 방법

    • 차원축소: 많은 변수들로 구성된 고차원 자료를 축소하여, 새로운 차원의 자료를 생성하는 기법
      - 고윳값(Eigenvalue)이 높은 순서로 정렬 → 높은 고윳값을 가진 고유벡터(Eigenvector)만으로 데이터 복원

     

    • 주성분 분석의 특징
      • p개의 변수들을 중요한 m(P)개의 주성분으로 표현 → 전체 변동을 설명
        - p차원 변수 X = (X1, X2, ... , Xp)^T

      • 주성분은 원래 변수들의 선형결합으로 표현됨
        - 기존의 상관성이 높은 변수들을 요약, 축소시킴

      • 차원 감소폭 결정: 스크린 산점도/ 전체 변이의 공헌도/ 평균 고윳값 등을 활용
      • 누적 기여율 85% 이상 → 주성분 수로 결정 가능
        - 누적 기여율: 제 1 ~ k 주성분까지의 주성분을 이용하여 설명할 수 있는 데이터 전체 정보량의 비율

      • 주성분으로 변수들 사이의 구조를 쉽게 이해하기는 어려움..
      • 차원의 저주 해결
        데이터 차원이 증가할 때, 데이터 구조를 변환하여 정보를 최대한 축적하는 차원 감소방법으로 해결

     

    참고 도서: 빅데이터분석기사 필기_수제비 2021

     

    728x90
    반응형