Biobambooforest

의사결정나무(Decision Tree)를 공부하다 보면 가장 먼저 만나는 개념이 지니지수(Gini Index) 입니다. 그런데 같은 이름의 "지니계수"가 경제학 뉴스에서 소득 불평등을 설명할 때도 등장합니다. 두 개념이 정말 같은 것일까요? 직접 손으로 계산해보고, 자주 헷갈리는 부분까지 한 번에 정리해보겠습니다. 지니지수란 무엇인가 지니지수는 한 노드(또는 그룹) 안에 있는 데이터가 얼마나 여러 클래스로 섞여 있는지, 즉 불순도(impurity) 를 나타내는 값입니다. 의사결정나무가 데이터를 어떤 기준으로 나눌지 결정할 때, 분할 후 자식 노드들의 지니지수가 최대한 낮아지는 방향을 선택합니다. 공식은 다음과 같습니다. Gini = 1 - Σ(p_i)² (i = 1부터 k까지, k는 클래스 개수, p_i는 클래스 i의 비율) 값이 0에 가까울수록 한 클래스로 순수하게 모여 있다는 뜻이고, 값이 커질수록 여러 클래스가 고르게 섞여 있다는 뜻입니다. 직접 계산해보기: 두 데이터셋 비교 아래 두 데이터셋으로 직접 계산해보면 개념이 훨씬 명확해집니다. 데이터셋 1: A B C A C C A D (총 8개) A=3개, B=1개, C=3개, D=1개로 구성되어 있습니다. 1 - (3/8)² - (1/8)² - (3/8)² - (1/8)² = 1 - 0.140625 - 0.015625 - 0.140625 - 0.015625 = 0.6875 (약 0.69) 데이터셋 2: A B B A B B A A (총 8개) A=4개, B=4개로 구성되어 있습니다. 1 - (4/8)² - (4/8)² = 1 - 0.25 - 0.25 = 0.5 두 값을 비교하면 데이터셋 2의 지니지수가 더 낮습니다. 하지만 여기서 주의할 점이 있습니다. 이 비교는 절대적인 "순수함의 정도"를 직접 비교하는 것이 아니라, 클래스 개수 자체가 다른 두 상황을 비교하고 있다는 사실입니다. 가장 많이 헷갈리는 부분: 지니지수는...

주성분 분석 (PCA: principal component analysis) 상관성이 높은 변수들을 선형 결합하여 기존의 상관성이 높은 변수들을 요약 하고자 축소하는 기법, 차원을 단순화하여 상관성 있는 변수들 간의 복잡한 구조를 분석하는 차원 축소에 해당하는 통계 기법이다. 상관성이 높을수록 Linearity가 높게 나타나고 추세 방향에 따라 음/양의 관계를 따지는 방식의 통계기법

면역항암 작용기전 시리즈 · Fc 이펙터 기능 항암 항체의 진짜 무기는 Fab가 아니라 Fc다 — CDC, ADCC, ADCP 완전 정리 항체 의약품을 다루는 제약·바이오 업계 종사자라면 "Fc 이펙터 기능"이라는 표현을 자료에서 자주 마주칩니다. 그런데 정작 CDC, ADCC, ADCP가 각각 어떤 면역세포와 어떤 수용체를 통해 작동하는지, 그리고 왜 신약 개발 단계에서 이 세 가지를 구분해서 평가하는지는 의외로 헷갈리기 쉽습니다. 이번 글에서는 항체-항원 반응의 기본 구조부터 시작해, 암세포를 실제로 죽이는 세 가지 핵심 기전을 정리합니다. 항체는 왜 특정 항원에만 반응할까 항체가 특정 항원에만 결합하는 이유는 Fab(Fragment antigen-binding) 부위가 해당 항원의 입체 구조를 인식하도록 진화·선별되었기 때문입니다. 항체는 Y자 모양으로, 두 개의 팔에 해당하는 Fab 부위와 줄기에 해당하는 Fc(Fragment crystallizable) 부위로 나뉩니다. Fab 부위는 항원에 결합해 그 자체로 세포 신호를 막거나 직접적인 세포사멸(direct killing)을 유도할 수 있습니다. 항암 항체를 설계할 때는 보통 암세포 표면에 특이적으로 발현되는 항원을 표적으로 삼아 Fab가 그 항원에 결합하도록 만듭니다. 그런데 실제로 사람 몸에 투여된 항암 항체가 종양을 제거하는 효력은 Fab 단독 작용만으로 설명되지 않습니다. 오히려 Fc 부위가 우리 몸의 면역계를 끌어들이는 역할 이 임상 효능의 상당 부분을 차지한다는 것이 여러 연구를 통해 확인되어 왔습니다. 정리하면, 항암 항체는 ① Fab의 직접 결합 작용 과 ② Fc 매개 면역 이펙터 기능 이라는 두 축으로 암세포를 공격합니다. 그리고 Fc 매개 기능은 크게 세 가지로 나뉩...

장바구니에 담긴 손님의 마음을 읽는 방법, Apriori 알고리즘 마트 진열대를 걷다 보면 맥주 옆에 기저귀가, 빵 옆에 잼이 놓여 있는 걸 본 적 있으신가요? 우연이 아닙니다. 수많은 거래 데이터를 들여다보면 "이 상품을 산 사람은 저 상품도 같이 산다"는 패턴이 뚜렷하게 드러나거든요. 이런 패턴을 숫자로 잡아내는 대표적인 방법이 바로 Apriori 알고리즘 입니다. 데이터 분석을 막 시작한 분이라면 "연관 규칙", "지지도", "신뢰도" 같은 용어를 듣는 순간 머리가 복잡해질 수 있습니다. 하지만 걱정하지 않으셔도 됩니다. 이 글에서는 수식보다 직관을, 이론보다 예시를 앞세워서 Apriori 알고리즘의 핵심을 차근차근 풀어보겠습니다. 왜 거래 데이터를 분석해야 할까 편의점이든 온라인 쇼핑몰이든, 매일 쌓이는 영수증 데이터에는 손님들의 구매 습관이 숨어 있습니다. 어떤 상품을 함께 사는지 알면 진열 위치를 바꾸거나, 묶음 상품을 기획하거나, 추천 상품을 보여줄 때 훨씬 똑똑한 결정을 내릴 수 있습니다. 문제는 상품 종류가 수백, 수천 개로 늘어나면 가능한 조합의 수가 폭발적으로 많아진다는 점입니다. 사람이 일일이 들여다볼 수 없는 규모죠. 이때 필요한 것이 바로 장바구니 분석(Market Basket Analysis) 이고, 그 출발점에 Apriori 알고리즘이 있습니다. Apriori 알고리즘을 이루는 세 가지 척도 Apriori 알고리즘은 두 상품(또는 그 이상) 사이의 관계를 세 가지 지표로 측정합니다. 계산 순서도 정해져 있는데, 지지도 → 신뢰도 → 향상도 순으로 단계를 밟아 나갑니다. 하나씩 풀어보겠습니다. 1. 지지도(Support) — 얼마나 자주 같이 팔렸나 지지도는 전체 거래 중에서 두 아이템이 동시에 포함된 거래가 차지하는 비율입니다. 지지도 = (A와 B를 모두 포함한 거래 수) ÷ (전체 거래 수) 지지도가 높을수록 두 상품...

이 글은 데이터 분석을 막 시작한 직장인과 취업 준비생을 위해 작성되었습니다. 실제로 자주 헷갈리는 세 가지 데이터 분석 방법론을 비교 정리했습니다. 입사 첫 주, 왜 다들 'CRISP-DM'을 당연하게 말할까 데이터 분석 부서에 처음 배치되면 비슷한 경험을 하게 됩니다. 회의에서 누군가 "이번 프로젝트는 CRISP-DM 기준으로 진행하죠"라고 말하면, 다들 고개를 끄덕이는데 나만 그 단어가 낯설게 느껴지는 순간 말입니다. 문제는 이 단어를 검색해봐도 영어 약자와 도식만 잔뜩 나오고, "그래서 내가 지금 뭘 해야 하는지"는 잘 와닿지 않는다는 점입니다. 데이터 분석 방법론은 결국 하나입니다. 데이터를 어떤 순서로, 어떤 기준으로 들여다볼 것인가 에 대한 약속이죠. 그 약속의 종류가 CRISP-DM, KDD, SEMMA로 나뉠 뿐입니다. 이 글에서는 셀 수 없이 많은 프로젝트에서 실제로 부딪혔던 경험을 바탕으로, 세 방법론의 차이를 현업 감각으로 풀어드리겠습니다. 데이터 분석 방법론이 왜 필요한가 방법론 없이 분석을 시작하면 흔히 벌어지는 일이 있습니다. 데이터부터 일단 모으고, 모델을 이것저것 돌려보다가, 막판에 "그런데 이걸로 무슨 의사결정을 하려던 거였지?"라는 질문에 막혀버리는 상황입니다. 이런 시행착오를 줄이기 위해 업계는 표준화된 절차를 만들어왔습니다. 대표적으로 세 가지가 있습니다. CRISP-DM (Cross Industry Standard Process for Data Mining) KDD (Knowledge Discovery in Databases) SEMMA (Sampling, Exploration, Modification, Modeling, Assessment) 셋 다 결국 데이터 마이닝을 체계적으로 수행하기 위한 절차이지만, 무엇을 가장 중요하게 보느냐에서 갈립니다. 하나씩 뜯어보겠습니다. CRISP-DM: 비즈니스 이해에서...

빅분기 공부 시작했다 빅분기 공부 끝났다