회귀 분류 군집 분석 개념

✅ 회귀 + 분류 + 군집 분석의 핵심 3축 개념 정리 (완성본)

1. 📈 회귀분석 (Regression) – 수치 예측

요소내용

목적	연속형 Y 예측 (예: 매출, 점수)
주요 기법	단순 회귀, 다중 회귀, 로지스틱 회귀(이진 분류지만 회귀로 분류됨)
필수 개념

 

• R² (결정계수): 설명력
• p-value: 유의성 판단
• 잔차: 예측과 실제의 차이
• 다중공선성: 독립변수 간 중복 정보
• 선형성, 정규성, 등분산성 가정
  | 관련 함수 (R) | lm(), summary(), plot() |

📌 헷갈리는 포인트: 로지스틱 회귀는 종속변수가 범주형 → 사실은 분류에 가까운 회귀입니다.

---

2. 🎯 분류분석 (Classification) – 범주 예측

요소내용

목적	범주형 Y 예측 (예: 합격/불합격, 스팸/정상)
주요 기법	로지스틱 회귀, 결정트리, K-NN, 나이브베이즈 등
필수 개념

 

• 혼동행렬 (Confusion Matrix)
  → TP, FP, TN, FN
• 정확도 (Accuracy)
• 정밀도 (Precision)
• 재현율 (Recall)
• F1 Score
• ROC Curve, AUC
  | 관련 함수 (R) | glm(), predict(), table(), caret::confusionMatrix() |

📌 헷갈리는 포인트: 높은 Accuracy가 항상 좋은 것은 아님 → 불균형 데이터에서는 Recall/Precision이 더 중요

---

3. 🧩 군집분석 (Clustering) – 비지도 그룹화

요소내용

목적	라벨 없는 데이터를 유사도 기반으로 그룹화
주요 기법	K-means, 계층적 군집(Hierarchical), DBSCAN 등
필수 개념

 

• K 설정: Elbow Method
• 거리 기반 (유클리디안)
• 초기 중심점 선택 민감도
• 계층적 분석에서는 덴드로그램(Dendrogram)
  | 관련 함수 (R) | kmeans(), dist(), hclust(), cutree() |

📌 헷갈리는 포인트: 군집 결과는 정답(label)이 없으므로 평가가 어려움 → 시각화와 해석 중심

---

🔁 핵심 비교 요약표

분석 유형지도/비지도예측값대표 기법평가 방법

회귀	지도	연속형(Y)	선형, 다중, 로지스틱	R², MSE, p-value
분류	지도	범주형(Y)	로지스틱, 트리, KNN	정확도, 정밀도, 재현율
군집	비지도	없음 (그룹)	K-means, 계층	SSE, 실루엣계수, 시각화

 

---

📘 ADSP 시험 대비용 “꼭 알아야 할 개념 Top 10” 정리

번호개념설명

1	회귀 vs 분류 vs 군집 차이	목적, 결과, 방법 구분 필수
2	R², p-value 해석	회귀의 핵심 성능 지표
3	로지스틱 회귀	범주형 예측이지만 회귀로 등장
4	혼동행렬	TP, FP, TN, FN 정확하게 이해
5	정밀도/재현율/F1	분류 모델 평가 필수
6	Elbow Method	군집 수 정하는 핵심 기법
7	다중공선성 / VIF	회귀에서 빠질 수 없는 개념
8	잔차분석	정규성, 등분산성 확인 이유
9	군집분석과 라벨의 부재	군집 결과는 평가 방식이 다름
10	분류 vs 군집 차이	“지도 vs 비지도” 명확하게 구분

 

---

🧠 보너스 팁: 학습 순서 추천

① 회귀 → ② 분류 → ③ 군집 순으로 학습하면 논리 흐름과 평가 지표의 차이를 자연스럽게 이해할 수 있습니다.

 

🎯 ADSP 자격증 기준으로 본 “분석” 카테고리 구성

3과목: 데이터 분석은 보통 다음 3개 파트로 구성됩니다:

1. 회귀 분석
   • 단순/다중 회귀, 로지스틱 회귀
   • p-value, R², 잔차 등 포함
2. 분류 분석
   • 결정트리, 혼동행렬, 정밀도/재현율/정확도
   • 머신러닝적 분류 접근 (지도학습)
3. 군집 분석
   • K-means, 계층적 군집, Elbow method
   • 비지도학습 기반 분류