상세정보

예측모형에 대해 전혀 익숙하지 않은 사람도 예측모형이 무엇인지 알 수 있도록 소개하면서 또 이미 예측모형을 사용하는 분도 다양한 고급 예측모형들을 만들어 보고 공부할 수 있도록 하기 위해 의도적으로 단순화하고, 형식을 통일하여 배치하였다. 그리고 어떤 예측모형에서 사용되던 https://tinyurl.com/Bayes-Class1을 이용하여 data를 원하는 방식으로 둘로 쪼갤 수 있도록 하였다.

예측모형은 정말 재미있는 것이며 실제에서 활용될 만한 것입니다. 어쩌면 통계학 분야 중 가장 일상생활과 밀접한 영역이라고 할 수도 있고 통계학의 궁극적인 목표 중 하나라고도 생각됩니다.
과거의 데이터를 이용해서 미래를 예측합니다. 다양한 정보들을 동시에 고려하여 현실을 정확히 파악합니다.

다양한 학문 분야에서 활용되는데, 오히려 의학 통계에서는 덜 사용되는 듯합니다. 아니 의학의 어떤 분야에서는 활발히 사용되고 어떤 분야는 전혀 활용되지 않는 듯하기도 합니다.
이 책은 예측모형에 대해 전혀 익숙하지 않은 사람도 예측모형이 무엇인지 알 수 있도록 소개하면서 또 이미 예측모형을 사용하는 분도 다양한 고급 예측모형들을 만들어 보고 공부할 수 있도록 하기 위해 의도적으로 단순화하고, 형식을 통일하여 배치하였습니다. 일관된 형식을 가질 수 있도록 말이죠.
그리고 어떤 예측모형에서 사용되던 https://tinyurl.com/Bayes-Class1을 이용하여 data를 원하는 방식으로 둘로 쪼갤 수 있도록 하였는데 이는 예측모형뿐 아니라, 다른 데이터들도 적당한 비율만큼 쪼개거나 일부만 무작위로 선택할 때 사용할 수 있습니다.
인공신경망 예측모형에서 설명하였던 https://tinyurl.com/confusion-matrix를 이용하면 어떤 예측모형이나 진단 도구에서 나온 두 자료값도 서로 비교할 수 있습니다.
https://tinyurl.com/ROC-pretty와 https://tinyurl.com/ROC-pretty2는 ROC를 그리고 비교하는 도구이며 예측모형과 직접 간접으로 관련이 있어서 본문에서 소개하였습니다.
즉, 이들 도구는 어떤 예측모형을 사용하더라도 응용할 수 있는 범용 툴이라고 할 수 있습니다.
제목 별로 본문에서 사용했던 툴들을 정리해 보았습니다.
NRI쉽게 계산하기 https://tinyurl.com/NRI-predict

베이지안 예측모형 https://tinyurl.com/Bayes-Class1
https://tinyurl.com/Bayes-Class2

인공신경망 예측모형 https://tinyurl.com/Neural-Networks-Prediction
https://tinyurl.com/confusion-matrix

K 근접법 예측모형 https://tinyurl.com/Prediction-kNN

SVM 예측모형 https://tinyurl.com/SVM-Prediction

결정나무 예측모형 https://tinyurl.com/Decision-Tree-party
https://tinyurl.com/Decision-Tree-tree
https://tinyurl.com/Decision-Tree-rpart

Random Forest 예측모형 https://tinyurl.com/Random-Forest2

Bagging 예측모형 https://tinyurl.com/Prediction-Bagging

Gradient boosting 예측모형 https://tinyurl.com/Prediction-GBM

딥러닝 예측모형 https://tinyurl.com/Deep-NN

로지스틱 회귀분석 예측모형 https://tinyurl.com/Prediction-Logistic-Regression

검토와 validation https://tinyurl.com/confusion-matrix
http://cafe.naver.com/easy2know/6632
https://tinyurl.com/calibration-plot
https://tinyurl.com/classifier-plot
https://tinyurl.com/ROC-pretty

생존 자료의 예측모형 https://tinyurl.com/survival-Prediction

선형 회귀분석 예측모형 https://tinyurl.com/prediction-GLM
https://tinyurl.com/LOWESS2

Bayesian Model Averaging 예측모형 https://tinyurl.com/prediction-BMA

SVM 예측모형 https://tinyurl.com/SVM-Prediction

검토와 validation http://tinyurl.com/Taylor-diagram
https://tinyurl.com/matrix-scatterplot1

예측모형의 메타분석 https://tinyurl.com/MA-prediction-model

아무쪼록 즐거운 공부가 되길 바랍니다.
사용된 예제 파일은 https://tinyurl.com/Prediction-KJH에 첨부되어 있습니다.

측정된 값들이 정확하지 않다면 예측 모형도 정확할 수 없습니다. 측정이 불가능한 변수들도 많이 있습니다. 사실 아무리 좋은 예측모형도 예측이 정확할 수 없습니다만, 그냥 자신의 기억과 주관을 사용한 것보다는 객관적이면서 분석 가능한 방법을 통해 경제, 경영, 산업, 의학에 두루두루 쉽게 사용할 수 있게 되기를 바라는 마음에서 예측모형을 가능한 한 쉽게 적용할 수 있도록 만들어 보았습니다.

In God we trust; all others must bring data
(protocol and SAS output).
W. Deming

저의 강의 슬라이드의 밑에 있는 이 말은 전쟁 후 일본을 재건시키는 데 결정적인 영향을 미쳤고 미국의 산업을 통째로 바꾸는 데 영향을 미쳤던 한 사람의 말입니다.

싸울 날을 위하여 마병을 예비하거니와
이김은 여호와께 있느니라
(잠언 21:31)

사실 우리가 계획하고 예측하는 것은 항상 불완전합니다. 공부할수록 더 많이 느끼게됩니다. 그래서 공부할수록 주관자를 찾게 되나 봅니다.

2019년 4월 5일
감사의 마음으로

정보제공 :

목차
01 몇 가지 예제
 01 진단 도구, 예측 도구의 필요성 = 2
 02 예제 1 한국형 당뇨 진단 모델 = 4
  엑셀로 계산해 보기 = 12
  엑셀로 된 유명한 Framingham = 20
  연속변수를 구간으로 나누기 = 23
  국민건강영양조사 = 26
 03 예제 2 한국형 당뇨 예측 모델 = 30
 04 예제 3 심근경색 예측을 위한 모델 = 42
  NRI 쉽게 계산하기 = 63
 05 예제 4 유방암 치료 후 생존율 모델 = 68
  계산식 보급하기 = 83
02 다양한 예측모형
 01 베이지안 예측모형 = 94
 02 인공신경망 예측모형 = 101
 03 K 근접법 예측모형 = 108
 04 SVM 예측모형 = 110
 05 결정나무 예측모형 = 113
 06 Random Forest 예측모형 = 119
 07 Bagging 예측모형 = 122
 08 Gradient boosting 예측모형 = 127
 09 딥러닝 예측모형 = 131
 10 로지스틱 회귀분석 예측모형 = 133
  검토와 validation = 138
 11 생존 자료의 예측모형 = 165
 12 선형 회귀분석 예측모형 = 173
 13 Bayesian Model Averaging 예측모형 = 178
 14 SVM 예측모형 = 182
  검토와 validation = 185
03 예측모형을 위한 평가
 01 예측모형의 현실 = 192
 02 예제 5 예측모형들의 비교 = 196
 03 TRIPOD STATEMENT = 199
 04 CHARMS checklist = 206
 05 PROBAST checklist = 213
 06 예측모형의 메타분석 = 217