|
평소 통계 그리고 통계를 구현하는 방법인 R 에 대한 관심을 갖고 있었던 중, 이 책을 만나게 되었습니다. |
저자는 통계를 전공한 현업 데이터 분석가로, 데이터 분석을 강의하는 강사로 활동하는 통계인이다. 예측 분석에서 머신 러닝에 이르기까지 실제 업무에서 데이터 분석을 활용하기 까지는 넘어야 할 산이 많다. 현재 이런 예측 분석, 데이터 마이닝, 머신 러닝 용어는 서로 혼재되어 사용되고 있는데, 여러 권의 책을 살펴보다 보면 저자가 주로 통계학 베이스의 관점일 경우 '예측분석 모델링' 이라는 용어로 접근하고, 컴퓨터 공학 계열 공학에서 출발하는 관점일 경우 '머신 러닝'의 용어가 사용되는 것 같다. 목차에서도 약간의 차이는 있는데, 예측 분석을 다루는 책에서는 주로 앞장에 회귀 모델을 다루면서 분류 모델로 확장하는 반면, 머신 러닝을 다루는 책에서는 가령 퍼셉트론이나 에이다라인같은 분류기(classifier) 로부터 시작해 각 머신러닝 알고리즘을 다룬 후 뒷편에 연속형 회귀 모델을 소개하는 방식인 경우가 많았다. 어떤 접근법으로 가던 최종의 목적은 갖고 있는 데이터를 활용하여 잘 모르는 것에 대한 논리적인 예측(prediction) 모델의 생성이다. 통계학이 예측 모델 알고리즘에 대한 이해, 평가, 파라미터 튜닝, 차원축소 등 배경학문이라는 점은 알겠는데, 어느정도 범주로 공부를 해야 할 지 사실 초심자에게 감이 잘 잡히지 않는 법이다. 많이 알면 좋긴 하지만 앞전에 언급했듯이 그 외 공부하고 익혀야 할 다른 분야들도 산적하기 때문이다. 이처럼, 예측분석 모델링 분야에서 필요한 통계학 지식을 그리 많이 않은 분량으로, 그리 어렵지 않은 난이도로, 일상의 예를 들어 이해하기 쉽게 설명한 책이 '이토록 쉬운 통계&R' 이었다고 생각한다. 가령 저자는 t-분포의 복잡한 확률밀도 함수 수식을 제시하였으나, '저도 분석에서 t-분포를 꽤 자주 마주했지만 한 번도 저 수식을 살펴볼 일은 없었다' 같은 식으로, 실무를 위해 이해해야 할 부분만 짚어서 길잡아 준다고 보면 된다. 통계학 교과서로 치면 데이터 수집과 요약, 기술통계, 확률 개념, 확률분포, 추정과 검정, 회귀모형 내용을 다루었는데, 특히 기술통계량으로 모집단 차이에 대한 검정에 방점을 두었다고 볼 수 있다. 분석 툴로는 R 이 사용되었고, 마지막 Part4 를 할애하여 주로 기술통계량 표현에 R 이라는 분석 도구를 활용하는 법을 다루었다. 두꺼운 예측분석 모델링 알고리즘 책을 보기 전에 가져야 할 통계학 지식을 전반적으로 정리하기 위해서 이 책을 활용하는 것을 추천한다.
PART 1 차이를 확인하는 데이터 요약 |
|
학부 및 대학원을 전자공학 및 컴퓨터 공학을 전공했지만 배운 것들은 주로 수학을 한 기억이지만 지금은 거의 백지 상태... |
