비즈니스 애널리틱스 II (7) 분류 분석 및 평가

분류 분석(Classification Analysis)

분류 분석은 머신러닝에서 가장 중요한 알고리즘 중 하나이며, 이산적인 값(Discrete Value) 을 예측하는 데 사용된다. 즉, 데이터가 특정 그룹(클래스)에 속하는지 여부를 판단하는 것이 핵심이다.

예를 들어:

• 이메일이 스팸(1)인지 아닌지(0) 분류하는 문제
• 환자가 암에 걸렸는지(Yes) 아닌지(No) 예측하는 모델
• 고객이 이탈할 가능성이 높은지(High) 아닌지(Low) 예측하는 분석

실무 활용 예제:

✅ 금융 산업 → 신용 카드 사기 탐지 (Fraud Detection)
✅ 이커머스 → 고객이 상품을 구매할 가능성이 있는지 예측
✅ 의료 분야 → 환자가 특정 질병을 가질 확률 예측
✅ 제조업 → 제품의 불량 여부 예측

분류 모델은 비즈니스 의사 결정을 내리는 데 있어 필수적인 역할을 한다. 기업들은 이를 활용해 마케팅 타겟팅, 리스크 평가, 추천 시스템 구축 등을 수행한다.

---

분류 알고리즘의 종류: 로지스틱 회귀(Logistic Regression) / 결정 트리(Decision Tree) / 랜덤 포레스트(Random Forest)

로지스틱 회귀(Logistic Regression)

선형 회귀와 비슷하지만, 결과값이 0과 1 사이의 확률로 변환되는 함수(Sigmoid)를 사용한다. 즉, 데이터를 특정 클래스로 분류하는 데 특화된 회귀 모델이다. 

로지스틱 회귀 공식:

 

이 식을 통해, 특정 입력값 X가 주어졌을 때 Y가 1(참)일 확률을 계산한다. 모델이 예측한 확률이 0.5 이상이면 1(양성), 0.5 미만이면 0(음성)으로 분류한다.

로지스틱 회귀의 실무 활용:

✅ 스팸 이메일 분류 → 이메일 본문 내용 기반으로 스팸 여부 판단
✅ 고객 이탈 예측 → 고객이 서비스 구독을 취소할 가능성 예측
✅ 의료 데이터 분석 → 환자가 특정 질병에 걸릴 확률 예측

---

결정 트리(Decision Tree)

결정 트리는 데이터를 기준에 따라 여러 개의 노드로 분할하여 최종적인 예측을 수행하는 모델이다. 사람이 의사 결정을 내리는 과정과 비슷한 방식으로 작동한다.

결정 트리 예제:

예를 들어, "고객이 대출을 받을 수 있는지?"를 판단하는 문제에서

• 첫 번째 기준: 고객의 신용 점수가 700점 이상인가?
• 두 번째 기준: 연 소득이 5천만 원 이상인가?
• 세 번째 기준: 최근 1년간 연체 기록이 있는가?

각 질문에 따라 데이터를 나누어가며, 최종적으로 "대출 승인" 또는 "대출 거부"를 결정하는 방식이다.

결정 트리의 실무 활용:

✅ 금융 → 고객의 대출 승인 여부 예측
✅ 의료 → 환자가 특정 질병을 가질 확률 예측
✅ 마케팅 → 고객이 특정 상품을 구매할 가능성 판단

---

랜덤 포레스트(Random Forest)

랜덤 포레스트는 여러 개의 결정 트리를 조합하여 더 강력한 분류 모델을 만드는 앙상블 학습 기법이다. 각 트리가 독립적으로 학습한 후, 최종적인 예측을 투표 방식(Majority Voting) 으로 결정한다.

랜덤 포레스트의 장점
(1) 과적합 방지 → 여러 개의 트리를 조합하므로 특정 데이터에 과적합되는 위험 감소
(2) 강력한 성능 → 단일 결정 트리보다 훨씬 높은 예측 성능 제공
(3) 다양한 데이터 처리 가능 → 수치형/범주형 데이터 모두 처리 가능

랜덤 포레스트의 실무 활용:

✅ 부동산 가격 예측 → 아파트의 위치, 면적, 건축 연도 등을 고려하여 가격 예측
✅ 이커머스 추천 시스템 → 고객의 이전 구매 이력을 기반으로 제품 추천
✅ 의료 산업 → 환자의 유전자 데이터 분석 및 질병 예측

---

분류 모델 평가 방법 (딥러닝에도 적용됨)

머신러닝 모델을 만들었다면, 얼마나 성능이 좋은지 평가해야 한다. 특히 정확한 예측이 중요한 의료, 금융 분야에서는 평가 지표를 제대로 이해하는 것이 필수적이다.

(1) 혼동 행렬 (Confusion Matrix): 분류 모델의 성능을 평가할 때 가장 중요한 개념이 혼동 행렬(Confusion Matrix) 이다.

 

 

• TP (True Positive): 실제 1인 데이터를 정확히 1로 예측한 경우
• FP (False Positive): 실제 0인데 1로 잘못 예측한 경우
• FN (False Negative): 실제 1인데 0으로 잘못 예측한 경우
• TN (True Negative): 실제 0인 데이터를 정확히 0으로 예측한 경우

예제 - 질병 진단 모델

• TP → 환자가 실제로 질병이 있고 모델도 질병이 있다고 예측
• FP → 건강한 사람을 질병이 있다고 잘못 예측
• FN → 실제로 질병이 있는데 모델이 건강하다고 잘못 예측
• TN → 건강한 사람을 건강하다고 정확히 예측

---

(2) 정밀도(Precision), 재현율(Recall), F1-score

머신러닝에서 정확도(Accuracy)만 보는 것은 위험하다. 특히 의료 및 금융 분야에서는 정밀도와 재현율이 훨씬 중요하다.

정밀도(Precision): 모델이 "1"이라고 예측한 것 중에서 실제로 1인 데이터 비율

 

재현율(Recall): 실제 1인 데이터 중에서 모델이 1로 잘 예측한 비율

F1-score: Precision과 Recall의 조화 평균

 

✅ 의료 분야에서는 FP(거짓 양성)보다 FN(거짓 음성)이 더 위험하다.
✅ 금융 사기 탐지에서는 Precision이 높은 모델이 더 중요하다.