R 프로그래밍 강좌 소개

안녕하세요. 반갑습니다. R로 배우는 데이터 분석을 강의하는 김진숙입니다. R이라는 프로그램은 데이터 분석할 때 가장 적합한 언어라고 저희가 얘기를 하고 있거든요. R 프로그램은 여러분이 갖고 있는 데이터들, 업무에서 쓰시고 있는 데이터들, 관심 있는 데이터들을 잘 모아서 분석하는 능력이 아주 탁월한 그런 특징을 갖고 있는 언어고요. 원래 통계적으로 많이 쓰는 언어이기도 해서 통계를 가지고 통계를 기반으로 한 머신러닝이나 또는 데이터 분석 또는 시각화 이런 거에 굉장히 많은 장점을 갖고 있는 프로그램이라고 할 수 있어요. R 프로그램은 프로그래밍이다 보니까 처음에 접근도 변수 또는 데이터 타입 이런 것부터 좀 시작을 하셔서 데이터 시각화 그다음에 결측치 처리 이런 것도 할 수가 있고요. 또 우리가 말하는 머신러닝까지도 R로 갈 수가 있는데요. 천천히 저랑 같이 한번 따라와 보실 건데요. 목차를 한번 살펴보도록 하겠습니다. 기본적으로 R을 개발 환경에 쓰시려면 일단 깔아야 되겠죠. R과 R 스튜디오, 베이스 R이라는 게 있는데 베이스 R을 깔고 그 위에 R 스튜디오라는 걸 설치해서 좀 편하게 저희가 쓰도록 하겠습니다. R 스튜디오를 설치하는 방법에 대해서 저희가 처음에 개발 환경 구축을 할 거고요. 개발 환경 설정 같은 것들이 좀 있어서 좀 편하게 설정하는 방법을 해보도록 하겠습니다. 1장부터 R의 기초 문법 데이터 프로그램이다 보니까 아무래도 프로그램이다 보니까 R은 변수와 데이터 타입, R에서 쓰는 변수와 데이터 타입과 연산자 이런 종류들을 간단하게 살펴보고요. 또 R은 데이터 변수만 갖고 있는 게 아니고 변수의 모임에 해당되는 데이터 구조를 제공해주고 있거든요. 벡터, 행렬, 배열, 데이터 프레임, 리스트 이런 것들이 있습니다. 이런 것에 대해서도 R의 데이터 구조에 대해서 면밀하게 살펴보도록 하겠습니다. 그 다음 장은 R도 프로그램이라 기본적으로 제어문, 입출문, 조건문, 반복문 등이 가능하고요 R에서는 어떻게 쓰고 있는지 저희가 한번 해보도록 할 거고요 업무 로직을 조금 짜다 보면 아무래도 함수가 좀 들어가야 돼서 사용자 정의 함수를 만드는 것도 기존에 R이 갖고 있는 내장 함수들이 되게 많거든요. 그걸 쓰는 방법들에 대해서 얘기해 볼 거고요. 뭐니 뭐니 해도 R은 패키지 언어이기도 합니다. 패키지란 건 뭐냐면 오픈소스로 R도 저희가 깔았잖아요. 그러니까 무료로 까는 거죠. 무료로. 무료로 까는데 이 R을 가져다가 많은 다른 회사들, R 회사가 아닌 R을 만든 기관이 아닌 다른 개인이나 또는 그 회사들 쪽에서 뭘 만들어 줬냐면 좀 편하게 그 저희 함수를 모아 놓은 걸 저희가 그 패키지라고 얘기하는데요 패키지를 좀 제공해 주고 있어요 패키지를 잘 이용하시면 저희가 별다르게 함수를 짜지 않아도 굉장히 편리하게 저희가 쓸 수가 있어요 그래서 지금의 R이 패키지 덕분이다 라고 생각하시는 것도 하나의 방법입니다 패키지를 어떻게 활용할 것이냐 어떻게 저희가 다운받고 또 패키지 안에 있는 함수를 어떻게 꺼낼 거냐 메모를 어떻게 올릴 거냐 이런 거를 배우는 장이 이제 패키지까지 3장에서 배우고요 4장은 뭐니 뭐니 해도 이제 R이 제가 써보면 가장 큰 장점은 시각화라고 저는 생각하거든요 그냥 쉽게 시각화를 좀 할 수 있고 특히 굉장히 그 유명한 저기 패키지가 하나 있습니다 그 패키지가 뭐냐면 ggplot이라는 패키지가 있는데 그 ggplot을 통해서 저희가 굉장히 R에서는 편하게 시각화를 할 수 있는데 그것 말고도 베이스 R이 갖고 있는 시각화에 여러 가지 함수도 있지만 ggplot 워낙 좋다고 소문이 나 있으니까 그런 것도 좀 포함해서 단일 변수 또는 다중 변수 데이터 시각화에 대해서 해보겠습니다 데이터는 그냥 데이터를 자체를 보는 것보다 시각화하고 그려놓으면 훨씬 더 저희가 이제 인사이트 다시 말하면 자료 안에 숨겨진 사실들을 많이 알게 되거든요. 그래서 시각화가 굉장히 좋은 데이터 분석에서는 어떻게 보면 데이터 분석의 꽃이 시각화다 이렇게 보시면 되겠습니다. 그래서 시각화를 한번 해보도록 하고요. 그리고 이제 데이터 분석에 본격적으로 들어가기 전에 데이터 분석에 가장 걸림돌이 되는 데이터가 있는데 그 데이터가 결측치라는 데이터예요. 빠져있는 데이터죠. 뭔가 기입이 안 된 데이터가 결측치인데요. 결측치, NA를 어떻게 정제하는지 또는 이상치가 있어요. 정상 범위를 벗어나 있는 친구들 그런 데이터를 어떻게 할 건지에 대한 정제 과정을 좀 배우셔야 되고요 이런 데이터 정제가 끝나면 R은 기본적으로 이제 저희가 통계용에 가장 적합한 언어이긴 하니까 기술 통계, 통계라는 것은 크게 기술 통계와 추론 통계가 있는데 R로 해드리는 기술 통계와 추론 통계 부분을 해보도록 하겠습니다 그래서 기술 통계는 뭐 하는 거냐면 데이터를 기술해 주는 거예요 묘사를 해주는 거죠 예를 들면 평균을 찾아주거나 평균으로부터 흩어져 있는 정도 분산을 찾아주거나 이런 작업들을 많은 함수를 제공해서 빠르게 기술통계를 해줄 수 있습니다. 또 하나의 통계학의 커다란 줄기는 추론통계인데요. 추론통계 안에 검정이라는 게 있는데 검정을 대립가설과 귀무가설을 세워서 어느 게 맞는지를 해보는 겁니다. 그래서 굉장히 많이 하죠. 평균검정이나 분산검정이나 많이 할 때 특히 t검정 위주로 할 건데요. 그런 것들을 비교해보는 통계적으로 유의한지 안 한지 보는 게 검정 과정이 있습니다. 마지막으로 정규성 검정까지 기술 통계와 추론 통계, 통계학에서 하는 그런 부분들을 좀 가져와서 진행해 보도록 하겠습니다. 그리고 이제 데이터 분석을 본격적으로 하게 되면 저희가 이제 사실은 회귀 분석이 가장 중요하긴 하지만 회귀 분석 이전에 해야 되는 것은 각각 변수들끼리 어떤 상관이 있는지 보셔야 되거든요. 상관계수와 상관 분석을 통해서 변수들끼리 어떤 관계가 있는지 살펴보는 거라고 생각하시면 좋을 것 같습니다. 그리고 회귀 분석은 상관 분석을 끝나고 나서 상관이 있는 변수들을 가져다가 XY, 종속 변수와 독립 변수를 정해놓고 그들 사이에 어떤 인과관계가 있는지 증명해내는 회귀 분석이고 회귀 분석을 통해서 저희는 회귀 분석을 어떻게 보면 머신러닝, 정형 데이터 마이닝의 일종이긴 한데요. 회귀분석은 Y, 종속변수가 수치일 때 쓰는 분석의 방법인 거고요 그걸 통해서 예를 들면 내년에 삼성전자 주가를 예측해 본다거나 부동산 가격을 예측해 본다거나 그런 작업들을 회귀분석을 할 수 있다 이렇게 보시면 되겠습니다 그리고 회귀분석 말고도 또 다른 분석이 다변량 분석이라는 게 있어요 그래서 주성분 분석이나 시계열 분석도 잠깐 다루도록 하겠습니다 그리고 저희가 흔히 말하는 머신러닝이라 부르는 게 정형 데이터 마이닝인데요 어떤 용어를 부르든 상관이 없는데 이 정형 데이터 마이닝 같은 경우에는 지도학습과 비지도학습으로 나누고요. 그 중에 가장 많이 쓰는 기법이 분류거든요. 그래서 타이타닉호 같은 거 살았냐 죽었냐 이렇게 보는 그런 분류 분석을 말하는 거고요. 그런 모델을 저희가 만드는 방법들 아래서 한번 해보게 될 거고요. 또 분류 분석에 가장 많이 쓰는 알고리즘 중에 하나가 의사결정 트리라는 게 있어요. 디시전 트리도 한번 해볼 거고요. 의사결정 트리는 나무가 하나예요. 결정기가 좀 약하기 때문에 그런 결정기를 여러 개 모아서 한꺼번에 해주는 게 이제 앙상블이라는 게 있습니다. 그래서 나무를 100개도 모아서 저희가 강한 결정기를 만드는 거죠. 앙상블 모형과 로지스틱 회귀 이런 것도 볼 거고요. 마지막으로 비지도학습 중에 계층적 군집 분석이라는 게 있고요. 그다음에 K-MEANS라고 해서 비계층적 군집 분석이 있는데 그리고 또 마지막으로 저희가 비지도학습 중에 연관 분석이라고 있어요. 이런 기법들도 다양하게 좀 다루도록 하겠습니다. 이렇게 해서 저희가 목차를 쭉 알려드렸는데 R 프로그램은 데이터 분석용으로 정말 적합한 그런 프로그램이거든요 그래서 천천히 따라오시면 좋은 결과 여러분 업무 분석에 굉장히 도움이 될 수 있을 거라고 생각이 듭니다