기계학습모형의 시각화
Visualizing Machine Learning Models
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
빅 데이터 시대에서 각광을 받고 있는 기계학습 모형은 비모수적 형태의 함수를 사용하므로 예측이 잘 되는 경우라도 모형 자체에 대한 통계적 설명은 어렵다고 생각되고 있다. 예측(prediction) 과 설명(explanation)의 분리는 공학과 비즈니스 분야에서는 통용될 수 있을지라도 과학 분야에서는 수용이 어렵다. 과학에서는 사물과 현상에 대한 이해가 선결적 과제이기 때문이다. 과학 뿐만 아니라 국가통계와 같은 공공부문에서의 데이터분석에서도 설명이 없는 예측의 적용은 바람직하지 않다. 공중(public)이 이해하지 못한 예측모형은 사회적 동의를 얻기 힘들다. 이 연구의 목적은 버팀벡터기계(support vector machine)와 랜덤포리스트(random forests) 등 블랙박스처럼 보이는 기계학습 모형도 시각화를 통하여 기술(description)과 설명이 됨을 보이는데 있다. 이 방법은 Huh와 Lee (2008)와 Huh (2009)에서 제안된 “조건부예측그래프” 기법을 각입력변수의 편도함수(partial derivatives)에 적용하여 예측모형의 전체구조를 파악해낸다. 본 연구는 제안 방법론이 인공의 몬테칼로 사례와 실제 자료 사례에서 효과적으로 작동함을 보일 것이다.
Abstract
Increasingly popular in the period of “big data” for predictive analytics, machine learning models such as the support vector machines and the random forests are generally considered as improper for the explanation, since the prediction relies on complicated nonparametric functions. “Predictions only” could be all right in the domain of engineering and/or private-sector business, but they would not be suitable in the science that pursues “the knowledge” and in the public-sector analytics that demands understanding of the public. The aim of the study is to develop graphical methods for visualizing the machine learning model and demonstrate that the methods are working for describing and explaining the models. The essence of our proposal lies in sketching numerical partial derivatives of the “black-box” prediction function for investigating the interactions between variables, in addition to the conditional predictive graphing proposed in the past studies (Huh and Lee, 2008; Huh, 2009).
참고문헌 (7)
- 허명회, "응용데이터분석 17장, 18장, 20장" (2014), 자유아카데미
- Fernandez-Delgado, M., "Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?, Journal of Machine Learning Research. (2015)", Journal of Machine Learning Research, 15, pp.3133~3181 (2014)
- Hastie, T., "Generalized Additive Models" (1990), Chapman & Hall
- Hastie, T., "Elements of Statistical Learning" (2009), Springer
- 허명회, "Visualizing Multi-Variable Prediction Functions by Segmented k-CPG's", Communications for Statistical Applications and Methods, 16(1), pp.185~193 (2009), 한국통계학회
- 허명회, "Simple Graphs for Complex Prediction Functions", Communications for Statistical Applications and Methods, 15(3), pp.343~351 (2008), 한국통계학회
- Shmueli, G., "To explain or to predict?", Statistical Science, 25, pp.289~310 (2010)