[패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지31차 미션

[패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지31차 미션

 

패스트캠퍼스의 강의 중, 프로젝트와 함께 배우는 R 데이터 분석 올인원 패키지 Online를 수강하고 있습니다.

https://bit.ly/2DKMGNx 

내용을 복습도 할 겸, 미션에도 참가할 겸, 블로그에 매일 매일 정리해 보게 되었습니다.

 

오늘은 31회차 미션!

Part 2) [R로 하는 데이터 분석] 데이터 분석 기본기 익히기

1. 08. Ch 02. k-Nearest Neighbor - 02. R code로 구현하는 k-Nearest Neighbor

2. 09. Ch 02. k-Nearest Neighbor - 03. k-Nearest Neighbor 결과의 해석

 

1. 08. Ch 02. k-Nearest Neighbor - 02. R code로 구현하는 k-Nearest Neighbor

1. Caret 패키지

1. R에서 많이 사용하는 머신러닝용 패키지 

2. install.packages("caret". "dependencies=TRUE)

3. library(caret)

1. dependencies=TRUE를 꼭 넣어야 함!

4. 주요 함수

1. trainControl()

1. 데이터 훈련 과정의 파라미터 설정

2. cross validation을 여러번 하겠다.

3. 훈련데이터를 10개로 나누겠다.

4. CV를 5번 하겠다.

1. 

2. expand.grid()

1. kNN을 사용할 때, k를 몇부터 몇까지 사용할 것인가

2. k=1부터 k=10까지 쓰겠다.

3. 

3. train()

1. 머신러닝 알고리즘을 이용하여 데이터 학습을 통해 모델 생성

2. 타겟~피처

1. 여기서 Class~. 에서 .은 '모두'라는 의미

2. data 지정

3. method는 KNN

4. trainControl - 위에서 소개한 것을 지정 (파라미터)

5. preProcess = c("center", "scale") 표준화를 하겠다. (x-평균)/표준편차

6. 튜닝 grid. 즉, k를 얼마부터 얼마까지

7. 모형 평가 방법을 여기선 Accuracy (kappa도 많이 쓰긴 함)

8. 

2. 09. Ch 02. k-Nearest Neighbor - 03. k-Nearest Neighbor 결과의 해석

1. 지난번엔 정확도를 다루었음.

2. 이번엔 Accuracy와 Kappa 통계량의 차이

1. 정확도는 양성을 양성, 음성을 음성으로 맞춘 비율

2. Kappa 통계량은 

1. p0는 정확도

2. pe는 기대 정확도

1. =기대값

3. 

    

4. 동전을 던지면

1. 앞뒷면의 기대값은 1/2

2. 실제로는 정확히 1/2이 아닐 수 있음 (관측된 정확도)

3. kappa 통계량을 계산해보자.

1. pe = p1+p2

2. p1, p2는 아래와 같이 계산

1. 참고로 p1은 (예측을 1로 했을 확률)x(실제로 1이 나올 확률)

2. 

4. 예시

1. 아래와 같이 계산

2. 

3. 

5. 의미

1. 정확도 Accuracy

1. 0 < 정확도 < 1

2. 1에 가까울 수록 좋음

2. Kappa 통계량

1. -1 < Kappa 통계량 < 1

2. 1에 가까울 수록 좋음

3. 실제로 공식에서 p0(정확도) = 1에 가까워지면 kappa통계량도 1에 가까워짐

4. 상태) 그럼 그냥 정확도만 쓰면 될 듯 ? -_-;;

 

뭐 실제 실습은 아니고 함수 목록만 알려줬고

정확도와 kappa 통계량에 대한 간단한 설명 정도 다루어짐