ADP를 준비하는 중에, Python이 아닌 R로 작성된 Part 이다.

사실 제목은 어그로다.

하지만 절반은 어그로고 절반은 진실이다.

무슨 소리인가 싶겠지만, 크게 2가지 Part는 python으로 준비하기 보다 R로 준비하는게 낫다.

20줄 이상을 1 ~ 2줄로 끝낼 수 있다.

이게 가능한 이유는 이전은 모르겠고

19회 부터 local이 아닌 문제마다 jupyter notebook, R studio가 각각 준비되어 있어서

python으로 전처리를 하고 R로 모델링을 진행하는 것이 가능하다.

중간에 데이터를 내보내고 다시 불러와서 진행하고 설명 pdf나 csv로 결과물을 제출하면 되는 방식이기 때문이다.

크게 2가지 Part를 R로 진행하는 것을 보이려 하는데

첫 번째는 회귀 분석의 forward, backward 방식이다.

sklearn은 수 많은 분류, 회귀 관련 패키지를 제공하지만

회귀분석에서 변수 선택법인 forward, backward, stepwise 방법은 제공하지 않는다.

를 보면 확인이 가능한데

요약하자면, 해당 변수 선택법은 pvalue를 기반으로 하는데

scikit-learn은 모델 학습에 대한 추론 적 접근 (유의성 테스트 등)을 의도적으로 회피하는 것이 주 된 이유입니다.

그렇기 때문에, 이를 구현하려면 직접 구현해야되는데, ADP가 오픈북은 맞지만

코드는 오프라인 오픈북이기에, 그걸 타이핑 하다가는 총 시간이 4시간을 주긴하지만

문제가 이것만 있는 것도 아니기에 코드 짜다가 끝날 수 있다.

두 번째는 군집 분석인 SOM이다.

일단 파이썬에서 패키지는 있지만, 시험에서 제공되는 패키지에는 없다.

만약 som 패키지가 갑자기 포함되어 있다면, 준비해보는 것도 좋을듯 하다.

시험에 나오기 때문에, python 사용자들을 위한 배려로 넣어놨을 가능성이 높다고 본다.

som을 불러와서 군집분석을 수행하고, 해당 결과를 다시 회귀 분석의 개선 용도로 넣은 문제가 나온 적이 있기에

해당 part가 나왔는데, 대비가 안 되있으면 합격 가능성이 떨어질 수 있다.

som으로 군집 분석을 수행하고 kmeans로 그룹화를 시키고 그걸 회귀 분석의 독립 변수로 추가하는 듯 하다.

다음은 해당 R 코드들이다.

R 회귀 분석

library(MASS)

small.model <- lm(Fertility ~1 , data = swiss)

full.model <- lm(Fertility ~. , data = swiss)

step.model <- step(small.model, scope = list(lower ~ 1,

• upper = ~Agriculture+Examination+Education+Catholic+Infant.Mortality), direction = ‘forward’, trace =FALSE) summary(step.model)

Call: lm(formula = Fertility ~ Education + Catholic + Infant.Mortality + Agriculture, data = swiss)

Residuals: Min 1Q Median 3Q Max -14.6765 -6.0522 0.7514 3.1664 16.1422

Coefficients: Estimate Std. Error t value Pr(>|t|)
(Intercept) 62.10131 9.60489 6.466 8.49e-08 ** Education -0.98026 0.14814 -6.617 5.14e-08 ** Catholic 0.12467 0.02889 4.315 9.50e-05 *** Infant.Mortality 1.07844 0.38187 2.824 0.00722 ** Agriculture -0.15462 0.06819 -2.267 0.02857 *

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.168 on 42 degrees of freedom Multiple R-squared: 0.6993, Adjusted R-squared: 0.6707 F-statistic: 24.42 on 4 and 42 DF, p-value: 1.717e-10

step.model <- step(full.model, scope = list(lower ~ 1,

• upper = ~Agriculture+Examination+Education+Catholic+Infant.Mortality), direction = ‘backward’, trace =FALSE) summary(step.model)

Call: lm(formula = Fertility ~ Agriculture + Education + Catholic + Infant.Mortality, data = swiss)

Residuals: Min 1Q Median 3Q Max -14.6765 -6.0522 0.7514 3.1664 16.1422

Coefficients: Estimate Std. Error t value Pr(>|t|)
(Intercept) 62.10131 9.60489 6.466 8.49e-08 ** Agriculture -0.15462 0.06819 -2.267 0.02857 *
Education -0.98026 0.14814 -6.617 5.14e-08 ** Catholic 0.12467 0.02889 4.315 9.50e-05 *** Infant.Mortality 1.07844 0.38187 2.824 0.00722 **

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.168 on 42 degrees of freedom Multiple R-squared: 0.6993, Adjusted R-squared: 0.6707 F-statistic: 24.42 on 4 and 42 DF, p-value: 1.717e-10

step.model <- step(small.model, scope = list(lower ~ 1,

• upper = ~Agriculture+Examination+Education+Catholic+Infant.Mortality), direction = ‘both’, trace =FALSE) summary(step.model)

Call: lm(formula = Fertility ~ Education + Catholic + Infant.Mortality + Agriculture, data = swiss)

Residuals: Min 1Q Median 3Q Max -14.6765 -6.0522 0.7514 3.1664 16.1422

Coefficients: Estimate Std. Error t value Pr(>|t|)
(Intercept) 62.10131 9.60489 6.466 8.49e-08 ** Education -0.98026 0.14814 -6.617 5.14e-08 ** Catholic 0.12467 0.02889 4.315 9.50e-05 *** Infant.Mortality 1.07844 0.38187 2.824 0.00722 ** Agriculture -0.15462 0.06819 -2.267 0.02857 *

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.168 on 42 degrees of freedom Multiple R-squared: 0.6993, Adjusted R-squared: 0.6707 F-statistic: 24.42 on 4 and 42 DF, p-value: 1.717e-10

결과가 많아서 그러지 실제로는 몇 줄 안 되고

forward 방식을 할 때는 시작이 null인 모형으로

backward 방식으로 할 때는 시작이 모든 변수가 있는 모형으로 하고

both는 null이든 모든 변수가 있든 상관이 없긴 하지만 그래도 null인 것으로 했다.

다음은 SOM이다.

library(NbClust)

iris2 = iris[-5]

iris3 = scale(iris2)

som_model = som(iris3, grid = somgrid(3,5,”rectangular”))

abc = data.frame(matrix(unlist(som_model$codes), nrow=15, byrow=FALSE))

km <- kmeans(abc, centers = 4)

km

K-means clustering with 4 clusters of sizes 3, 6, 3, 3

Cluster means: X1 X2 X3 X4 1 -0.6106488 1.1543329 -1.0068961 -0.97481477 2 0.8487085 -0.1442877 0.8263408 0.78479761 3 -0.1845528 -1.2967528 0.1956016 0.07628279 4 -1.1146539 -0.4366328 -0.9768503 -0.93629869

Clustering vector: [1] 1 1 4 1 4 4 2 3 3 2 2 3 2 2 2

Within cluster sum of squares by cluster: [1] 2.185238 4.654779 1.556499 1.955912 (between_SS / total_SS = 78.5 %)

Available components:

[1] “cluster” “centers” “totss” “withinss” “tot.withinss” [6] “betweenss” “size” “iter” “ifault”

필요하다면 som을 한 이후에 plot만 사용해서 시각화가 가능하다.

이제 군집분석으로 원하는 군집끼리 묶으려고 하는 경우에는 kmeans를 사용해서 한 번 더 묶는 듯 하다.

이렇게 코드가 짧고 결과만 길기 때문에 해석을 할 줄 안다면 R로 코드를 구성하는 것이 훨씬 시간면에서 이득이라고 생각된다.

20회 ADP 실기를 준비하면서 만든 notebook 파일에 대한 깃허브 링크 입니다.