카트

이미지 검색을 사용해 보세요

검색창 이전화면 이전화면

최근 검색어: 전체삭제

인기 검색어

닫기

사이즈비교 공유하기

소득공제

이항로짓 분석과 머신러닝

제7권 POD도서

진하수 저

BOOKK(부크크) 2026.06.20.

회원리뷰 첫번째 리뷰어가 되어주세요 판매지수 12

가격: 25,500원

25,500

YES포인트?: 0원

5만원 이상 구매 시 2천원 추가 적립

앱 다운 시 1천원 상품권

결제혜택: 카드/간편결제 혜택을 확인하세요

주문 후 제작되는 개인 오더 도서로 신중한 구매를 부탁드리며, 발송까지 7일가량 소요됩니다.

eBook이 출간되면 알려드립니다.알림신청

이미 소장하고 있다면 판매해 보세요.

예스24에 팔기 바이백 신청 불가 내 가게에서 팔기

국내배송만 가능
문화비소득공제 가능

시리즈 태그 업체 공지사항 중고도서 소개 구성 소개 특별 구성 MD 한마디 카드뉴스 상세 이미지 책소개 관련 동영상 목차 저자 소개 관련분류 품목정보 만든이 코멘트 예스24 리뷰 책 속으로 줄거리 캐스팅 관련 자료 부가 영상 출판사 리뷰 전문가 리뷰 추천평

펼치기/닫기

책소개

이 책은 이 흐름을 머신러닝과 설명가능 인공지능으로 확장한다. 제목은 『이항로짓 분석과 머신러닝』이고, 부제는 정규화 로짓, XGBoost, SHAP, 설명가능 인공지능이다. 이 책의 핵심 문제의식은 분명하다. 전통적 이항로짓모형의 해석 가능성과 머신러닝의 예측력을 어떻게 함께 사용할 것인가. 예측성능이 높은 모형을 만들면서도, 그 모형이 왜 그런 예측을 했는지 설명할 수 있는가. 연구자는 통계적 유의성과 예측성능, 오즈비와 SHAP, 평균한계효과와 변수 중요도를 어떻게 구분하여 논문에 제시해야 하는가. 제7권은 이러한 질문에 답하기 위해 구성되었다. 최근 많은 연구에서 머신러닝 모형이 활용되고 있다. Random Forest, XGBoost, LightGBM과 같은 모형은 복잡한 비선형 관계와 상호작용을 포착하고 높은 예측성능을 보일 수 있다. 그러나 예측성능이 높다고 해서 연구결과가 곧바로 설득력을 갖는 것은 아니다. 학술논문과 정책연구에서는 “얼마나 잘 맞히는가”뿐 아니라 “왜 그렇게 예측했는가”가 중요하다. 특히 사회과학과 정책연구에서는 모형의 정확도보다 해석 가능성, 설명 책임성, 변수의 의미, 정책적 활용 가능성이 함께 고려되어야 한다. 이 점에서 이항로짓모형은 여전히 중요한 기준모형이다. 로짓모형은 계수, 오즈비, 평균한계효과를 통해 변수의 방향과 크기를 해석할 수 있다. 예를 들어 어떤 변수가 사건 발생 오즈를 높이는지, 그 효과가 통계적으로 유의한지, 사건 발생확률이 평균적으로 얼마나 변하는지 설명할 수 있다. 반면 머신러닝 모형은 로짓모형처럼 단순한 계수를 제공하지 않는 경우가 많다. 따라서 머신러닝 결과를 해석하려면 변수 중요도, permutation importance, SHAP, PDP, ICE와 같은 설명가능 인공지능 도구가 필요하다. 이 책은 로짓모형과 머신러닝을 대립적으로 보지 않는다. 로짓모형은 오래된 방법이고 머신러닝은 새로운 방법이라는 식의 단순한 구분은 적절하지 않다. 로짓모형은 해석과 이론 검정에 강하고, 머신러닝은 예측과 패턴 탐색에 강하다. 두 방법은 서로 다른 질문에 답한다. 로짓모형은 “어떤 변수가 사건 발생 가능성과 관련되는가”를 묻고, 머신러닝은 “새로운 자료에서 사건 발생 여부를 얼마나 잘 예측할 수 있는가”를 묻는다. 좋은 연구는 이 두 질문을 혼동하지 않고, 연구목적에 맞게 결합한다. 이 책은 학사 과정 학습자에게는 이항분류와 머신러닝의 기본 흐름을 이해하는 입문서가 될 수 있다. 학사 과정에서는 먼저 로짓모형과 머신러닝이 어떤 점에서 다른지, 훈련자료와 시험자료를 왜 나누는지, ROC-AUC와 F1-score가 무엇을 의미하는지, SHAP이 예측을 어떻게 설명하는지 직관적으로 이해하는 것이 중요하다. 석사 과정 연구자에게는 이 책이 논문 분석절차를 설계하는 실무적 안내서가 될 수 있다. 석사 과정에서는 로짓모형의 오즈비와 평균한계효과를 해석하고, Lasso 로짓으로 변수선택을 수행하며, Random Forest와 XGBoost의 예측성능을 비교하고, SHAP 분석을 이용하여 머신러닝 결과를 논문 문장으로 정리할 수 있어야 한다. 또한 성능지표와 변수 중요도 결과를 표와 문장으로 체계적으로 제시하는 능력이 필요하다. 박사 과정 연구자에게는 이 책이 설명모형, 예측모형, 인과추론, XAI의 관계를 비판적으로 검토하는 방법론적 참고서가 될 수 있다. 박사 과정에서는 단순히 성능이 높은 모형을 찾는 데 그쳐서는 안 된다. 왜 해당 모형이 적합한지, 모형의 해석 가능성은 충분한지, 변수 중요도는 안정적인지, 예측결과가 특정 집단에 편향되어 있지는 않은지, SHAP 결과를 인과효과로 오해하고 있지는 않은지 검토해야 한다. 이 책의 목적은 복잡한 알고리즘을 과시하는 데 있지 않다. 중요한 것은 연구자가 자신의 연구문제에 맞게 모형을 선택하고, 분석결과를 정확하게 해석하며, 예측성과 설명가능성을 균형 있게 제시하는 것이다. 머신러닝을 사용하는 연구에서 가장 위험한 것은 높은 정확도만 보고 그 결과를 과도하게 신뢰하는 것이다. 이 책은 그러한 위험을 줄이고, 머신러닝 결과를 학술적·정책적으로 설명 가능한 형태로 전환하는 방법을 제시하고자 한다. 이 책을 읽는 독자는 다음의 질문을 계속 염두에 두어야 한다. 내가 지금 알고 싶은 것은 원인인가, 관련성인가, 예측인가. 내가 제시하는 계수는 로짓모형의 추정치인가, 머신러닝 모형의 변수 중요도인가. 내가 해석하는 값은 오즈비인가, 평균한계효과인가, SHAP 값인가. 내가 말하는 “중요한 변수”는 통계적으로 유의한 변수인가, 예측성능에 기여한 변수인가, 정책적으로 개입 가능한 변수인가. 이 질문을 구분할 수 있을 때 이항로짓 분석과 머신러닝은 더 정교한 연구도구가 된다.

책소개 더보기펼치기

I. 로짓모형과 머신러닝 비교 1
1. 설명모형과 예측모형 5
1) 설명 중심 로짓 6
2) 예측 중심 머신러닝 8
3) 통계적 유의성과 예측성능 10
4) 해석가능성과 정확도 12
5) 논문 목적에 따른 모형 선택 13
6) 학습용 요약 15
7) 참고문헌 16
8) 용어정리 17
2. 비교 대상 모형 19
1) 이항로짓 20
2) Lasso logistic regression 22
3) Ridge logistic regression 24
4) Elastic Net logistic regression 26
5) Random Forest 27
6) XGBoost 29
7) LightGBM 31
8) 학습용 요약 33
9) 참고문헌 34
10) 용어정리 34
II. 교차검증, 정규화 로짓과 과적합 방지 36
1. 자료 분할 39
1) 훈련자료 41
2) 검증자료 42
3) 시험자료 44
4) 층화분할 46
5) 시간기반 분할 47
6) 학습용 요약 49
7) 참고문헌 50
8) 용어정리 51
2. 교차검증 53
1) k-fold cross validation 54
2) stratified k-fold 56
3) repeated cross validation 58
4) nested cross validation 59
5) 교차검증 결과 보고 61
6) 학습용 요약 63
7) 참고문헌 64
8) 용어정리 64
3. 정규화 로짓 66
1) Lasso 68
2) Ridge 69
3) Elastic Net 71
4) 변수선택 73
5) 과적합 조정 74
6) 하이퍼파라미터 튜닝 76
7) 학습용 요약 78
8) 참고문헌 79
9) 용어정리 79
III. 변수 중요도 분석 81
1. 로짓 기반 중요도 84
1) Wald 기준 중요도 86
2) 표준화 회귀계수 88
3) 오즈비 기준 중요도 90
4) 평균한계효과 기준 중요도 92
5) 중요도 비교의 한계 93
6) 학습용 요약 95
7) 참고문헌 96
8) 용어정리 97
2. 머신러닝 변수 중요도 99
1) Gini importance 101
2) permutation importance 103
3) gain-based importance 105
4) 불균형 자료에서 중요도 왜곡 107
5) 변수 중요도 안정성 109
6) 학습용 요약 111
7) 참고문헌 112
8) 용어정리 113
3. 통합 중요도 지수 114
1) 표준화 기준 설정 116
2) 순위 결합 118
3) Borda 방식 120
4) 로짓 중요도와 SHAP 결합 121
5) 논문용 통합 중요도 표 작성 123
6) 학습용 요약 125
7) 참고문헌 126
8) 용어정리 127
IV. XAI 기반 이항분류모형 로짓 해석 129
1. SHAP 해석 133
1) SHAP value의 개념 135
2) global SHAP 137
3) local SHAP 139
4) SHAP summary plot 141
5) SHAP dependence plot 143
6) 학습용 요약 145
7) 참고문헌 146
8) 용어정리 147
2. SHAP의 한계 149
1) 모형 의존성 151
2) 변수 간 독립성 가정 152
3) 다중공선성 문제 154
4) 편향된 분류기 문제 156
5) 로짓계수와 SHAP의 차이 157
6) 학습용 요약 159
7) 참고문헌 160
8) 용어정리 161
3. PDP와 ICE 163
1) 부분의존도 분석 165
2) PDP 그래프 167
3) ICE 분석 169
4) 이질성 해석 171
5) SHAP, PDP, ICE 비교 172
6) 학습용 요약 175
7) 참고문헌 176
8) 용어정리 176
V. 실증분석: 청년 주거이동 의향 예측 178
1. 청년 주거이동 의향 예측의 설계 182
1) 연구문제 설정 183
2) 종속변수: 주거이동 의향 여부 184
3) 로짓모형 추정 186
4) Lasso 로짓 추정 188
5) Random Forest 추정 190
6) XGBoost 추정 191
7) ROC-AUC, PR-AUC, F1 비교 193
8) permutation importance 비교 194
9) SHAP 분석 196
10) 통합 중요도 지수 작성 197
11) 정책적 시사점 도출 198
12) 학습용 요약 200
13) 참고문헌 201
14) 용어정리 202
2. 실증분석: 청년 주거이동 의향 예측 203
1) 분석자료의 기본 구조 203
2) 로짓모형 추정 결과 207
3) Lasso 로짓 추정 결과 211
4) 모형별 예측성능 비교 216
5) Permutation importance 분석 결과 219
6) SHAP 분석 결과 222
7) 통합 중요도 지수 분석 결과 225
8) 분석결과의 종합 해석 228
9) 정책적 시사점 234
10) 학습자 수준별 해석 239
11) 학습용 요약 240
3. 결과 종합, 시사점 및 후속 연구과제 241
1) 방법론적 시사점 242
2) 정책적 시사점 243
3) 연구 한계 244
4) 후속 연구과제 245

목차 더보기펼치기

저자 소개 1

저진하수

관심작가 알림신청

펼쳐보기더보기

디지털경제, 데이터 분석, 인공지능, 블록체인, ESG를 가로지르며 복잡한 지식의 구조와 실증분석의 논리를 탐구해 온 연구자이자, AI 시대의 데이터 기반 지식 검증 전문가이다. 현재 한국디지털경제연구원 대표원장과 다빈치논문컨설팅 대표박사로 활동하고 있으며, 디지털경제학 박사로서 데이터와 기술이 사회, 산업, 정책, 연구 현장에 미치는 변화를 지속적으로 분석하고 있다.

저자는 STATA, SPSS, Python, R을 활용한 통계분석과 빅데이터 처리에 능숙하며, SCI·KCI 논문 분석, 학위논문 연구설계, 회귀분석, 이항로짓 분석, 다층모형, 구조방정식, 머신러닝·딥러닝 기반 예측모형 등 다양한 분야에서 연구와 자문을 수행하고 있다. 특히 사회과학과 정책연구에서 자주 활용되는 선택행동 분석, 이용의향 분석, 참여 여부 분석, 정책 수혜 여부 분석, 사건 발생 여부 분석을 실제 연구문제와 연결하여 해석하는 데 깊은 관심을 가지고 있다.

STATA, SPSS, R, Python을 활용한 통계분석과 빅데이터 처리, 머신러닝·딥러닝 기반 인공지능 분석, SCI·KCI 논문 연구, 블록체인과 가상자산, 기후변화와 ESG 평가 등 다양한 분야에서 연구와 자문을 수행해 왔다. 그러나 저자가 가장 중요하게 여기는 것은 분석기법 자체가 아니다. 어떤 연구문제를 설정하고, 어떤 비교집단을 구성하며, 어떤 가정을 통해 인과효과를 식별하고, 그 결과의 불확실성과 한계를 얼마나 투명하게 보고하는지가 연구의 신뢰성을 결정한다고 본다. 『차이의 차이 분석 마스터하기』 전 7권은 이러한 문제의식에서 출발한다. 이 시리즈는 기초 2×2 DID에서 패널자료와 이원고정효과, 평행추세와 이벤트 스터디, 현대 DID 추정량, 확장 설계, 강건성 및 민감도 분석, 재현가능 연구와 국제학술지 투고까지 DID 연구의 전 과정을 하나의 체계로 연결한다.

진하수의 다른 상품