chapter의 목적 : 예측 모델링과 관련된 용어와 예측 모델링의 순서 소개
예측 모델링(predictive modelling)과 설명 모델링(explanatory modelling) 비교
- 목표에서 차이
- 예측 모델링은 특정 변수를 예측하는 것을 목표로 함
- 설명 모델링은 주어진 결과를 설명하거나 가설을 증명하는 것을 목표로 함
- 전제에서의 차이
- 예측 모델링은 현재의 데이터로 만든 모델로 새로운 데이터로 인한 결과를 예측할 수 있을 것으로 기대함
- 관심 시점의 차이
- 예측 모델링은 미래에 관심을 가지고 미래를 예측
- 설명 모델링은 현재에 관심을 가지고 현상을 설명
- 활용에서 차이
- 예측 모델링은 과거 데이터를 바탕으로 현 상황의 변화에 적응적인(responsive) 시스템을 구축
- in situ activity intended to make systems responsive to changes in the underlying data
- 설명 모델링은 사건을 설명하는 이론을 통해 시스템을 구축
- the former(explanatory modelling) does so by building software based on theory developed during the review of explanatory models by experts
- 예측 모델링은 과거 데이터를 바탕으로 현 상황의 변화에 적응적인(responsive) 시스템을 구축
- 활용하는 데이터에 대한 접근에서의 차이(how they address the issue of evaluation)
-
예측 모델링에서는 데이터 셋의 일부를 모델을 평가하는데 활용함(a hold-out data set)
- 과적합(overfitting)을 막는 것이 목적
- 데이터의 일부를 모델 평가하는데 쓰기 위해 여러 방식을 사용(k-fold cross validation, leave-one-out cross validation, randomized subsampling, and application-specific strategies.)
-
설명 모델링에서는 일반적인 이론을 만들고자 하기 때문에 표집 방식이 중요
- 무작위 표집이나 층화 표집(stratified sampling)을 통해서 선택 편향을 줄이기
https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=sgjjojo&logNo=221248955570
- 표본의 크기나 오류 수준을 분석하여 표본의 설명력(power)를 확정하기
- determining the amount of power needed to ensure an appropriate sample, through an analysis of population size and levels of error the investigator is willing to accept.
-
| 기준 | 예측 모델링 | 설명 모델링 |
|---|---|---|
| 목표 | 특정 변수를 예측 | 주어진 결과를 설명 |
| 가설을 증명 | ||
| 관심 시점 | 미래를 예측 | 현재를 설명 |
| 활용 | 시스템의 과거 데이터를 활용하여 현재 상황에 적응적인(responsive) 시스템 구축 | 사건 발생 후 이를 분석하여 현상 이해하는 이론을 통해 시스템 구축에 관여 |
| 평가의 문제 | 데이터의 일부를 평가에 활용 | 데이터의 샘플링이 중요 |
