기계학습 (machine learning) 방법은 숨은 패턴을 탐지해내는 컴퓨터 알고리즘으로 공학 분야에서 유래 되었으나 최근에는 통계적 분류와 예측 문제에서 advanced analytics 기법으로 깊게 활용 되고 있습니다. 이번 세미나 강의에서는 기계학습 방법 중 대표적인 SVM과 Random Forest의 원리와 응용을 다룹니다. SVM은 고차원 공간에서 분별 있는 초평면 경계를 산출하는 최적화 알고리즘이고 Random Forest는 CART 등 기존 나무 알고리즘의 업그레이드 버전입니다.
한편, 분류와 예측은 통계학에서 판별분석과 회귀분석으로 지칭하였던 문제로 선형판별분석 (또는 로지스틱 회귀)와 다중선형회귀가 대표적인 분석 방법입니다. 본 세미나의 주제인 SVM과 Random Forest는 분류와 회귀에 모두 적용할 수 있는 기계학습 방법으로, 전통적인 통계적 방법에 비해 유연하게 관측 데이터에 적용하는 비모수적 모형을 산출해냅니다. 관심 있는 분들의 많은 참석을 부탁 드립니다.
주제: 분류와 예측을 위한 SPSS와 R의 기계학습기법
– SVM (Support Vector Machine)과 Random Forest를 중심으로
강사: 고려대학교 통계학과 허명회 교수
일시: 2014년 12월 17일 (수) 오후 3시 ~ 5시
장소: 한국기술센터 16층 국제회의실
문의:
marketing@datasolution.kr / 02-3467-7226