예측모델
-
머신러닝 해석력 시리즈 4탄: 라임(LIME)으로 모델 해석력 개선하기!분석 이야기/머신러닝 2018. 12. 10. 10:45
그 동안 머신러닝 해석력 시리즈를 통해서 머신러닝의 부분 의존성(PD; Partial Dependence), 데이터 세트 해석 등을 소개해드렸는데요. 오늘은 라임(LIME; Local Interpretable Model-Agnostic Explanation)을 통해 머신러닝 모델의 해석력을 개선할 수 있는 방법에 대해서 알아보겠습니다. 머신러닝 모델 해석력 시리즈 1탄, 2탄, 3탄을 놓치셨다면 아래 링크를 통해 확인해주세요! 머신러닝 해석력 시리즈 1탄: 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 해석력!머신러닝 해석력 시리즈 2탄: 데이터 세트를 이해하고 해석하는 방법 머신러닝 해석력 시리즈 3탄: 부분의존성(PD) & 개별조건부기대치(ICE) 플롯 정복하기! 머신러닝에는 의사결정 트리(..
-
인공지능(AI), 새로운 마케팅 파트너로 떠오르다!분석 이야기/비즈니스 분석 2018. 10. 10. 16:42
인공지능(AI)은 금융 사기 탐지, 보험 비즈니스 모델 다각화, 의료 진단 개선, 스포츠 경기 성과 향상 등 다양한 분야에서 상상을 현실화하고 성과를 도출하고 있습니다. 최근 마케팅 분야도 예측 분석, 추천 엔진 등 다양한 형태의 인공지능 알고리즘을 적극 활용하면서 혁신을 체감하고 있는데요. 대기업은 물론 중소기업에 적합한 여러 인공지능 활용 마케팅 툴이 등장하면서 변화의 속도는 더욱 빨라지고 있습니다. 마케터는 인공지능을 활용해 보다 효과적으로 기존 및 잠재 고객과 소통하고, 구매를 유도하며, 단일 구매 고객을 충성도 높은 장기 고객으로 전환시키는 등 다양한 성과를 얻을 수 있는데요. 오늘은 이처럼 인공지능 기반의 마케팅 전략으로 업무를 혁신하는 방법과 더 큰 미래 가능성에 대해 살펴보고자 합니다. 마..
-
[프로그래밍 팁] SAS바이야(SAS Viya) 자동화된 피처 엔지니어링 템플릿으로 예측 모델 생성하기SAS 이야기/SAS 관련 뉴스 2018. 9. 18. 10:12
데이터 사이언티스트들은 작업 시간의 대부분을 데이터 준비와 피처(feature) 엔지니어링에 할애합니다. 지난 블로그를 통해 데이터 준비 작업에 유용한 프로그래밍 팁을 소개해드렸는데요. 오늘은 인공지능(AI) 기반 엔터프라이즈 분석 플랫폼 ‘SAS 바이야(SAS Viya)’의 기본 템플릿 중 ‘자동화된 피처 엔지니어링 템플릿’을 활용해 손쉽게 예측 모델을 생성하는 방법을 살펴보고자 합니다. 피처는 입력과 변수(독립 변수, 설명 변수)를 의미합니다. 그리고 피처 엔지니어링은 예측 모델의 정밀도를 향상시키기 위해 학습용 원시 데이터를 기반으로 피처를 변환, 추출, 선택하거나 새로운 피처를 생성하는 작업을 말하는데요. 구체적인 예시는 다음과 같습니다.우편번호 등 카디널리티가 높은(집합 원소의 개수가 많은) 명..