Record_Ing

텍스트 마이닝 

텍스트 데이터(Text Data)

• ASCII, UTF-8 등의 인코딩 표현
• 비정형 혹은 반정형의 데이터인 경우가 많음
• 자연어 처리(NLP: Natural Language Processing)에 기반하여 정보를 추출

텍스트 마이닝 절차

1. 데이터 수집 : 비정형/ 반정형 텍스트 데이터를 수집

2. 데이터 처리 : 특정 키워드나 의미있는 요소를 추출 / 전처리(preprocessing) 수행

3. 데이터 추출 :  수학적 모델이나 알고리즘으로 정보 추출 / NLP,TF-IDF 등의 방법 사용

4. 데이터 분석 : 최종 키워드, 의미있는 요소의 우선 순위를 도출하는 단계

자연어 처리(Natural Language Processing)

NLP라고도 부르며 인간의 언어 현상을 컴퓨터에서 모사할 수 있도록 연구하고 구현하는 인공지능의 주요 분야

작업

• 형태소 분석 /예) 나는 = 나(대명사)+는(조사)
• 품사 부착 - 적절한 품사를 부착하여 문장 완성
• 구절 단위 분석 - 명사구/ 동사구/ 부사구 등
• 구문 분석, 어휘 분석

텍스트 마이닝 방법론

어휘 분석(Lexical Analysis)

• 문장 분리(Sentence Splitting)
  • 말뭉치(corpus)를 문장 단위로 분리
  • 마침표(.) 등의 기호를 이용하여 분리
• 토큰화(Tokenize)
  • 토큰(token)은 의미를 가진 문자열
  • 이후 작업을 위하여 토큰으로 분리
• 형태소 분석(Morphological Analysis)
  • 단어의 수를 줄여 분석의 효율성을 높임
  • 예) cars와 car, stopped와 stop
• 포스 태깅(POS Tagging)
  • POS(Part-Of-Speech)
  • 토큰의 품사 정보를 할당하는 작업

어휘 분석의 예시

TF-IDF

• 여러 문서로 이루어진 문서군에서 출현하는 특정 단어가 문서 내에서 중요한 정도를 표현하는 통계적 수치
• TF와 IDF의 곱으로 표현 ➭ tfidf(t, d, D) = tf(t, d) X idf(t, D)

TF(Term Frequency): 문서 내에서 특정 단어의 출현 빈도

• 문서 내의 단어의 측정 빈도를 측정
• 자주 등장할수록 ➭ 해당 언어의 중요성 증가

IDF(Inverse Document Frequecy) : 문서군 내에서 등장하는 단어의 빈도

멀티미디어 마이닝

멀티미디어(Multimedia)

• 오디오(Audio)
  • 소리를 디지털 데이터 형태로 저장
  • 예) WAV, MP3, AAC 등의 파일 형식
• 이미지(Image)
  • 시각 정보를 디지털 데이터 형태 저장
  • 예) JPEG, PNG 등의 파일 형식
• 비디오(Video)
  • 소리와 시각 정보를 시간의 흐름에 따라 저장한 데이터 형식 
  • 예) MPEG4, HEVC
• 뉴미디어(New Media)
  • 위의 유형으로 정의할 수 없는 멀티미디어 데이터 형식

멀티미디어 마이닝 방법론

특징 추출(Feature Extraction) : 멀티미디어 데이터를 사람의 힘으로 분석하고 이에 따라 특징(feature)을 추출하는 방법

딥 러닝(Deep Learning) : 전처리 된 멀티미디어 데이터에 대하여 인공신경망(ANN)등의 방법론을 적용하여 자율학습을 하여 특징을 추출하는 방법

멀티미디어 특징 추출의 예시

• 오디오(Audio)
  • 프레임(frame)별 통계적 정보 추출
  • 푸리에(Fourier)변환을 통한 정보 추출 (주파수 영역)
• 이미지(Image)
  • JPEG등의 기반 기술인 DCT, DWT등을 적용하여 특징 추출
• 비디오(video)
  • 인터(inter) 및 인트라(intra) 특징 추출
  • H.264, HEVC등의 코덱 특징에 기반
• 뉴미디어(New Media)
  • 오디오, 이미지, 비디오의 특성 활용
  • 현장, 무대, 설치 등의 특성 활용

소셜 네트워킹 서비스(social Networking Service)

• 사용자간의 자유로운 의사소통과 정보 공유, 인맥 확대 등을 통하여 사회적 관계를 생성하고 강화하려 주는 온라인 플랫폼

특징

• 사회적 관계망을 생성, 유지, 강황, 확장 가능
• 최근의 SNS 서비스는 대부분 웹 기반
• 빅데이터 분석을 통한 마케팅 활용가치 높음

소셜마이닝 방법론

1. 문서 수집(Crawling)
   • SNS 등을 통하여 사용자의 무선 수집
   • 사용자의 저작권 및 개인정보 유의
2. 필터링(Filtering)
   • 스팸 데이터, 무관 문서 등을 필터링
   • 연관문서를 토대로 분석
3. 자연어처리 분석(NLP Analysis)
   • 자연어처리 방법론의 다양한 기법을 활용하여 연관어 분석
4. 데이터 분석 보고(Reporting)
   • 분석 결과를 시각화하고 해석하여 보고

데이터 마이닝(Data Mining)

정의

• 대규모로 저장된 데이터 안에서 체계적이고 자동적인 통계적 규칙이나 패턴을 찾아내는 작업
• KDD(Knowledge-Discovery in Databases)

빅데이터 시대의 의미 

• 대규모 데이터로터 의미를 찾아내는 데 있어 그 중요도가 급증↑

데이터 마이닝의 적용 분야

분류(classification) : 일정한 집단에 대한 특정 정의를 통하여 분류 및 구분의 형태를 추론하는 분야

군집화(clustering) : 구체적인 특성을 공유하는 군집을 찾음 / 미리 정의된 특성 정보가 없이 군집을 탐색

연관성(association) : 동시에 발생한 사건 간의 관계를 정의하는 분야

연속성(sequencing) : 특정 기간에 걸쳐 발생하는 관계를 규명 / 연관성 분석과 달리 기간 특성을 고려

예측(forecasting) : 빅데이터 집합 내의 패턴을 기반으로 미래에 발생하는 데이터의 형태를 예측하는 분야

데이터 마이닝 방법론

1. 프로젝트의 목적과 적용 가능성을 확인한다.

• 일회성 프로젝트인 경우 ➭ 프로젝트의 목적을 명확하게 수립한다.
• 연속성 프로젝트인 경우 ➭ 프로젝트의 적용 가능성을 확인한다.

2. 분석에서 사용할 데이터를 수집한다.

• 데이터베이스에서 무작위로 표본을 추출
• 내부데이터와 외부 데이터를 수집
• 수집 방법론 
  • 수집데이터를 선정(경제성, 가능성 요인 확인)
  • 세부계획을 수립 (기술적, 행정적 계획 수립)
  • 테스트 수집 진행 후 수집 진행

3. 데이터를 전처리 한다.

• 데이터의 조건을 검증하고 정제한다.
• 산점도, 행렬표 등 그래프를 사용하여 분석
• 변수에 대한 정의, 측정단위, 측정기간 등에 대한 일관성 확인
• 고려사항
  • 결측치를 어떻게 처리해야 하는가?
  • 각 변수의 값이 합리적인 범위내에 있는가?
  • 극단치(최대/최소)가 존재하는가?

4. 데이터를 축소하고 분할한다.

• 불필요한 변수를 제거
• 변수를 분석가능한 형태로 변환
• 새로운 변수를 생성
• 데이터를 다양한 데이터 집합으로 분할
• 데이터 집합의 종류
  • 학습용 데이터 (training)(기계가 하는 학습)
  • 평가용 데이터 (test, evaluation)
  • 검증용 데이터 (verification)

5. 데이터 마이닝 기법을 선택한다.

• 프로젝트에 적합한 분석 유형을 결정
• 기법
  • 분산분성, 상관분석, 회귀분석 등 고정 분석 모델
  • 신경망 모형 등 딥러닝 분석 모델
  • 계층적 군집 분석 등

6. 데이터 마이닝을 수행한다.

• 이전에 결정한 사항을 토대로 데이터 마이닝을 수행
• 다양한 변인을 적용하여 분석 수행
• 평가용 데이터를 이용하여 수행 후 개선되는 변인을 토대로 적용
• 수행 결과로 구축된 모델을 바탕으로 시험 적용

학습 방법론

supervised- 감독하다, 지도하다

지도학습(Supervised Learning)(교사학습) : 출력 데이터에 맞게 출력되도록 학습용 데이터셋을 이용하여 예측변수와 출력변수 간의 관계를 학습 (목표가 확실)

반지도학습(Semi-supervised Learning) : 지도학습과 자율학습의 방식을 조합하여 예측변수와 출력변수 간의 일부를 자율적으로 모델링하는 한편, 정해진 데이터셋에 대한 학습 또한 수행

자율학습(Unsupervised Learning)(비교사학습) : 출력변수가 명확히 정의되지 않은 경우 예측변수에 대한 자율학습을 통하여 모델을 구축하는 방법 (컴퓨터가 자기만의 구축구조를 만들어낸다. / 목표가 없다.)

데이터 마이닝 적용 사례

공공시스템

• 국세청의 탈세 방지 시스템에 적용
• 사기방지 솔류션, 소셜 네트워크 분석, 지능형 감지 시스템 구축
• 세금 누락 및 불필요한 세금 환급 절감 효과 발생
• 탈세자 수 감소 및 범되 사건 미연 방지 가능

GPS 시스템

• 자동차의 센서 데이터 (예: GPS)를 통하여 교통 정보 수집
• 지능형 교통 정보 시스템을 구축 가능
• 실시간 교통 정보를 공유하여 최적의 교통 안내 서비스
• 불필요한 에너지 낭비 방지 및 교통 시스템 효율 증대

보건 / 의료

• 유전자 정보를 토대로 질병 연구에 활용
• 새로운 질병에 대한 빠른 진단 서비스
• 난치병 및 불치병 관련 유전자 정보를 토대로 신치료제 개발
• 최신 IT기술 결합으로 치료 확률 상승

제조 / 물류 / 마케팅

• 소비자의 니즈를 예측하여 제품을 미리 제조 및 배급
• 제조/ 물류/ 마케팅 비용을 최소화 가능
• 제품의 소비자 도달 시간 최소화

분산 분석(ANOVA)

정의

• 통계학에서 두 개 이상의 다수의 집단을 비교할 때 F분포를 이용하여 가설검정을 하는 방법
• ANOVA = ANalysis Of VAriance

역사

• 통계학자 로날드 피셔 (R.A.Fisher)에 의해 1920년대 ~ 1930년대에 걸쳐 작성

F분포

정의

• 분산의 비교를 통하여 얻어지는 분포 비율
• F = (군간변동) / (군내변동) *군=집단

특성

• 집단 간의 동질성을 가정하고 분석
• 군내변동이 크면 -> 집단 간 평균 차이 확인 어려움
• 분산 차이가 큰 경우 -> 유발 원인 제거 필요

F분포의 가정

정규성 가정

• 모집단에서 변인 Y는 정규분포를 따른다.
• 모집단에서 변인 Y의 평균은 다를 수 있다.

분산의 동질성 가정

• Y의 모집단 분산은 각 모집단에서 동일하다.

관찰의 독립성 가정

• 각각의 모집단에서 크기가 n1, n2인 표본이 독립적으로 표집된다.

F분포의 계산

F통계치

•  모집단 분산의 추정치의 비율 계산

• F값은 특정한 이론적 확률분포인 F분포를 따름

분산분석의 모형

• 고정효과 모형: 수준의 선택이 기술적으로 정해지고 각 수준이 기술적 의미를 가진 효과 인자
• 무선효과 모형: 수준의 선택이 임의로 이루어지며 각 수준이 기숙적 의미를 가지지 않은 효과 인자
• 혼합효과 모형: 고정효과 인자와 무선효과 인자가 함께 사용된 경우

분산분석의 종류

• 일원분산분석(one-way ANOVA): 종속변인이 1개이며 독립변인 집단도 1개
• 이원분산분석(two-way ANOVA): 독립변인의 수가 2개 이상일 때 집단 비교
• 다원변량분산분석(MANOVA): 두 개 이상 종속변인이 관계된 상황에 적용
• 공분산분석(ANCOVA): 특정한 독립변인 위주로 분석하고 다른 독립변인은 통제변수로 설정 분석

상관분석(Correlation Analysis)

정의

• 두 변수 간의 선형적 관계를 분석하는 방법
• 두 변수는 독립적이거나 상관될 수 있다.
• 두 변수 간의 강도를 상관과계라고 함 (Correlation, Correlation coefficient)

상관분석의 가정

• 선형성: 두 변인 X, Y의 직선적인 정도, 선점도를 사용
• 동변량성: X의 값에 관계없이 Y의 흩어진 정도가 같은 것 (이분산성의 반대어)
• 정규분포성: 두 변인의 측정치 분포는 모집단에서 정규분포
• 무선독립표본: 모집단에서 표본을 추출할 떄 표본대상이 확률적으로 선정되는 것

상관분석의 분석 방법

1. 피어슨 상관계수(Pearson Correlation Coefficient)

• 두 변수 간의 관련성을 구하기 위해 보편적 이용
• r=(X와 Y의 변화 정도)/(X와 Y 각각 변하는 정도)
• r의 값에 따라 다음과 같이 해석
  • +1 = X와 Y가 완전 동일
  • 0 = X와 Y가 전혀 다른 경우
  • -1 = X와 Y가 반대방향으로 동일
• r2 = 결정계수 (Coefficient of determination)

2. 스피어만 상관계수(Spearman Correlation Coefficient)

• 데이터가 서열척도(순위값)인 경우의 상관계수
• 데이터를 작은 것부터 차례로 순위를 매겨 서열 순서로 바꾼 뒤 순위를 이용하여 상관계수 계산
• 자료에 이상점이 있거나 표본크기가 작을 때 유용
• 상관계수값에 따른 분류
  • +1 = 두 변수 안의 순위가 완전히 일치
  • -1 = 두 변수 안의 순위가 역순인 경우

3. 크론바흐 알파 계수 신뢰도(Cronbach's Alpha)

• 검사의 내적 일관성을 나타내는 값 a계산
• 한 검사 내에서 변수들 간의 평균상관관계에 근거하여 검사문항들이 동질적 요소로 구성되어 있는지를 분석하는 방법
• 동일한 개념인 경우 -> 결과가 비슷
• 동일하지 않은 개념인 경우 -> 결과가 상이

회귀분석(Regression Analysis)

회귀(되돌아간다)

정의: 관찰된 연속형 변수들 간의 모형을 구한 뒤 적합도를 측정하는 분석 방법

회귀분석의 가정

• 오차항은 모든 독립변수에 대하여 동일 분산을 가짐
• 오차항의 평균(기댓값)은 0이다.
• 수집된 데이터의 확률 분포는 정규 분포를 이룬다.
• 독립변수 간에는 상관관계가 없어야 한다.
• 시간에 따라 수집된 데이터는 잡음 영향이 없다.

시계열 데이터

시계열(Time series): 일정 간격으로 배치된 데이터의 수열

시계열 해석(Time Series Analysis)

• 시계열을 해석하고 이해하는 방법
• 시계열이 어떠한 법칙에서 생성되는지 밝혀내는 작업

시계열 예측(Time Series Prediction)

• 시계열을 기반으로 수학적 모델을 구축하고 미래에 발생하는 시계열의 형태를 예측하는 작업
• 공학, 과학, 금융시장 등에서 사용

시계열 데이터 분석

Autoregressive (AR) 모델 

• 자기상관성(autocorrlation) 정보를 기반
• 어떠한 변인에 대하여 이전의 값이 이후의 값에 영향을 미치는 상황을 모델링
• 예) 이전의 값이 감소 -> 이후의 값이 감소
• AR 모형

Moving Average (MA) 모델 - 이동하는 평균 모델

• 어떤 변수의 평균값이 지속적으로 증가하거나 감소하는 경향에 대한 모델링
• 예) 봄에서 여름이 되면 전기 수요가 대체로 증가
• MA모형

ARMA모델

• 기존의 AR 모델과 MA모델을 통합하여 다양한 통합 모델이 도출될 수 있음
• ARMA모델

Integrated (I) 모델 - 통합된 모델

• AR모델, MA모델 외에 통합 모델을 고려
• 과거의 데이터 뿐만 아니라 추세(momentum)까지 반영한 모델
• ARIMA 모델

통계 (Statistics)

• 정의 : 표본(수집한 데이터)을 통하여 모집단을 추정하기 위한 학문
• 빅데이터와의 관계
  • 표본(=데이터)를 수집하고 분석하는 고전 과정
  • 빅데이터의 기반 학문

용어 설명

• 모집단(Population) : 정보를 얻고자 하는 목표 대상의 전체 집단
• 표본(Sample) : 모집단의 일부이며, 관찰하여 획득한 데이터
• 모집단과 표본의 관계 
  • 모집단은 전수 조사를 통하여 파악 가능 -> 비효율
  • 표본을 통하여 모집단의 정보를 추정

표본의 원천 

• 정부, 공공기관 등의 데이터 수집
• 실험을 통한 데이터 획득
• 설문조사 등을 통한 데이터 획득
• 사물, 객체, 현상의 관찰을 통한 데이터 획득

데이터의 유형

범주 데이터(Categorical Data)

• 데이터의 범주(category)를 사전에 정의하고 데이터의 특성을 범주에 따라 분류한 데이터
• 예) 남녀 성별, 직업, 시/군/구 등 거주 지역

수치 데이터(Numerical Data)

• 측정하여 숫자의 형태로 획득한 데이터
• 예) 키, 몸무게, 온습도, 물품의 가격

통계의 분류

기술통계(Descriptive Statistics)

• 표본을 수집 -> 정리 및 요약
• 목적 : 수집한 데이터로부터 의미있는 정보를 추출

추측통계(Inferential Statistics)

• 표본을 분석 -> 모집단의 정보를 추측
• 목적 : 모집단의 정보 추측의 품질을 높임

통계 자료의 요약

도수분포도(Frequency Distribution Table)

• 구간/범주별로 표본의 출현 빈도수를 표현한 표
• 구체적인 수치를 통한 분석 가능

히스토그램(Histogram)

• 구간/범주별 빈도수를 그림으로 시각화 표현
• 양(magnitude)을 직관적으로 표현

통계 자료의 분석

산술평균(Mean/Averate): 표본의 합을 표본의 수로 나눈 값

중앙값(Median): 표본을 크기의 순서로 나열하였을 때 중앙에 출현하는 값

최빈값(Mode): 표본 중 가장 큰 빈도수로 출현하는 값

범위(Range): 표본의 가장 큰 값과 가장 작은 값의 차이

분산(Variance): 산술평균과 표본간의 차이의 제곱합을 표본의 수로 나눈 값

표준편차(Standard Deviation): 분산의 제곱근으로 표본의 분포를 나타냄

확률(Probability)

• 모집단의 정보가 있음
• 모집단 대비 특정 사건이 발생하는 비율의 표현
• 예) 주사위를 무한 번 던져 3이 나오는 비율의 표현

확률의 필요성

• 사건의 일반화
• 사건의 경향을 알 수 있음 -> 미래에 대비 가능

확률의 유형

단순 확률(Simple probability): 한가지의 사건이 발생할 확률

결합 확률(Joint Probability): 두가지 이상의 사건이 발생할 확률

조건부 확률(Conditional Probability): 특정 사건이 발생하였다는 전제 하에 또 다른 사건이 발생할 확률

통계와 확률의 차이점

통계

• 모집단의 정보가 없음 -> 표본으로 모집단을 추정 ( 모집단을 알고 싶은 것)
• 예) 주사위를 100번 던져 3이 나오는 비율 측정

확률

• 모집단의 정보가 있음
• 모집단 대비 특정 사건이 발생하는 비율의 표현
• 예) 주사위를 무한 번 던져 3이 나오는 비율의 표현

확률 변수(Random Variable)

정의 : 2개 이상의 값을 취할 수 있는 변수

종류

• 이산확률변수: 값이 범주화 되어 있는 경우
• 연속확률변수: 값이 연속적인 경우

확률 분포(Probability Distribution)

정의 : 데이터가 출현할 확률의 분포

필요성

• 데이터 출현의 정도를 일반화 -> 미래의 예측 가능
• 표본내에서 확률 변수의 출현 확률을 바탕으로 모집단에서의 확률 변수의 출현 확률 추정 가능

종류

• 이산 확률 분포(Discrete Probability Distribution)
  • 이산 확률 변수가 가지는 확률 분포
  • 확률 질량 함수(Prob.Mass Function)표현
• 연속 확률 분포(Continuous Probabilty Distribution)
  • 연속 확률 변수가 가지는 확률 분포
  • 확률 밀도 함수(Prob.Density Function)표현

용어

기댓값(Expectation)

• 확률 데이터가 집중되는 경향성을 대표하는 값
• Σ(확률 변수 X 확률) -> 확률 변수에 대하여 발생 확률을 곱한 것의 합

분산(Variance)

• 확률번수가 기댓값으로부터 벗어난 정도를 표현
• Σ(확률 변수 - 기댓값)2제곱 X 확률

표준편차(Standard Deviation)

• 분산의 제곱근으로, 기댓값 대비 분포 정도 표현

정규 분포(Normal Distribution)

정의 

• 평균과 표준편차 기반의 연속 확률 분포
• 중심극한정리에 근거 -> 확률 변수의 평균은 정규 분포에 근접하는 성질

특성

• 절대근사한다.
• 평균과 표준편차가 주어지면 -> 엔트로피를 최대화
• 정규 분포 곡선은 평균 대비 좌우 대칭
• 중앙값의 확률이 최대

모집단의 추정

추정 이론(Estimation Theory)

정의 : 통계학과 신호처리의 한 분야로, 표본을 바탕으로 인자(parameter)를 추정하는 학문

필요성 : 한정된 데이터(=표본)을 바탕으로 최적의 추정 방법론(=추정량) 을 적용 가능

추정 방법론(Estimation Methodology) / 추정량(Estimator)

MLE(Maximum Likelihood Estimation): 사전 정보가 없는 상황에서 성능을 최대화하는 인자 추정 방법

MAP(Maximum A Posteriori): 사전 정보나 그 가정을 바탕으로 성능을 최대화하는 인자 추정 방법

최소제곱법(Least Squares): 사전 정보의 오차 제곱을 최소화하는 인자 추정 방법

MMSE(Minimum Mean Squared Error): 사전 정보의 평균 제곱근 오차(MSE)를 최소화하는 인자 추정 방법

칼만 필터(Kalman Filter): 이상 데이터가 포함된 선형 모집단의 인자를 추정하는 방법

모집단의 추정(Estimating Population)

정의

• 표본의 정보를 바탕으로 추정 방법론을 적용하여 모집단의 정보(평균, 비율)를 정확하게 추정
• 추정 이론(Estimation Theory)의 한 갈래

필요성

• 모집단을 전수조사하는 경우 -> 분석 경제성 하락
• 표본을 바탕으로 모집단을 정확하게 추정하는 경우 -> 분석 비용 절약 가능, 분석 효율성 향상

분산의 종류

모 분산(Population Variance): 모집단으로부터 구한 분산

표본 분산(Sample Variance): 표본으로부터 구한 분산

표준편차의 종류

모 표준편차(Population Std. Dev.) : 모집단으로부터 구한 표준편차

표본 표준편차(Sample Std. Dev.) : 표본으로부터 구한 표준편차

모집단 평균 추정(Estimationg Population Mean)

수집한 데이터

• 충분히 큰 표본의 개수n (=빅데이터)
• 표본의 평균 x와 표준편차 s
• 유의 수준 a (신뢰수준 = 1- a)

신뢰구간 추정

모집단 비율 추정(Estimating Population Ratio)

수집한 데이터

• 충분히 큰 표본의 개수n (=빅데이터)
• 표본의 비율 p
• 유의수준 a (신뢰수준= 1 - a)

신뢰구간 추정

의사결정(Decision Making)

• 하나 이상의 조건을 평가하여 그 결과에 따라 다양한 흐름으로 명령문을 수행하는 구조
• R에서는 if문, if~else문, switch문을 제공
• 의사결정 구조의 용도

if문 : 조건이 참일 때만 명령문을 수행

• 조건이 참(TRUE)인 경우에만 명령어 수행
• 가장 단순한 의사결정 구조

x<-36L
if(is.integer(x)){
	print("x는 정수")
}

[1] "x는 정수"

if~esle문 : 조건에 따라 별개의 명령문을 수행

• 조건이 참(TRUE)인 경우와 거짓(FALSE)인 경우 서로 다른 명령문을 수행하는 의사결정 구조

x<-3.14
if(is.integer(x)){
	print("정수입니다")
}else{
	print("정수가 아닙니다")
}

[1] "정수가 아닙니다"

switch문 : 다양한 값의 조건에 따라 별개의 명령문을 수행

• 조건이 일치하는 경우(case)의 명령문을 실행
• 조건이 다수로의 분기를 가질 때 유리
• 다른 프로그래밍 언어와 달리 기본값(default)이 없음

x<-"han"
switch(x, "kim"="김", "lee"="이", "han"="한")

[1] "한"

루프(Loop)

• 특정한 명령문을 조건에 따라 여러번 실행하고자 할 때 사용하는 구조
• 종류 : repeat 루프, while 루프, for 루프

repeat 루프

• 무한히 반복하여 명령문을 실행하는 구조
• if문과 break를 사용하여 반복에서 탈출할 수 있음

i<-1
repeat {
	i<-i+1
    if(i==3) {	#반복하다 i가 3이 되면 아래 실행후 break
    	print(i)
        break
    }
}

[1] 3

while 루프

• 조건이 참이면 동일한 명령문을 다시 실행하는 루프
• 명령문의 실행 결과에 따라 조건이 거짓이 되면 반복문으로부터 탈출하는 것이 가능

i<-1
while(i<3) {	#i가 3미만인 경우 계속 반복
	i<-i+1
}

i
[1] 3

for 루프

• 벡터의 각 성분에 따라 반복하는 루프 구조
• 벡터 성분의 위치(index)에 일일히 접근하지 않으므로 벡터 성분별 명령문을 수행하는 구조일때 유리
• 벡터 성분의 값을 대입하기 위한 변수 지정 필요

v<-c(2,3,5,7,10)
s<-0	#s변수 0으로 초기화
for(ve in v) {		#v안에 들어있는 변수들을 ve안에 넣는다
	s<-s+ve		#s변수 안에 s+ve값을 넣어라
}
print(s)

[1] 27

루프 제어 명령문

break문 :  현재 실행중인 루프문을 중단하고, 루프문 이후 명령문부터 실행한다.

next문 : 현재 실행중인 루프문을 중단하고, 루프문의 처음으로 되돌아가 명령문을 실행한다.

next예시

v<-1:10
for(ve in v) {
	if(ve%%2 != 0) {	# %%:나머지 연산자
    	next
    }
    print(ve)
}

[1] 2
[1] 4
[1] 6
[1] 8
[1] 10

# ve를 2로 나눈 나머지 값이 1이면 next(처음 for문)으로 되돌아간다
# 즉, 1~10숫자 중 짝수만 print로 넘어감

함수(Functions)

• 특정한 작업을 수행하는 명령문과 구조를 나열한 집합

기본 함수(built-in functions) : R에서 기본으로 정의되어 있는 함수

#사용 방법
<함수명>(<입력인자1>,<입력인자2>,...)
<함수명>(입력인자명1=<입력인자1>,입력인자명2=<입력인자2>,...)

#예시
mean(c(88,96,92))	#mean(평균을 내는 함수)과 c함수의 호출
png(file="result.png")	#입력인자명을 지정하여 호출

사용자 정의 함수(user-defined functions) : 사용자가 자신의 목적에 맞게끔 함수명, 명령문, 실행구조, 입력인자, 출력인자를 지정한 함수

• 필수 요소 : 함수명, function 키워드, 중괄호 등
• 선택 요소 : 입력인자, 출력인자, 입력인자명 등

# 사용자 정의 함수 생성 문법
<함수명><-function((입력인자명1=)<입력인자1>,...) {
	... #함수가 호출되면 실행할 명령문 및 구조
}

#예시
myFunc<-function(v) {	#사용자 정의 함수 myFunc()
	s<-0
    for(ve in v) {
    	s<-s+v
    }
    return(s)
}
myFunc(c(2,3,7)	#사용자 정의 함수 호출

[1] 6 9 21

데이터형의 종류

논리형(Logical):True(참), False(거짓)의 값을 가짐

1 <- TRUE
class(1)

[1] "logical"
# 변수 1에 TRUE값을 대입 후 데이터 형을 출력시 "locial"출력

숫자형(numeric): 실수를 표현하기 위한 데이터형

n<-3.1415
class(n)

[1] "numeric"

정수형(integer): 소수점이 없는 정수를 표현

i<-1147L
class(i)

[1] "integer"
# 소수점이 없는 정수 표현시 끝에 'L'을 적는다

복소수형(complex): 복소수를 표현하고자 할 때 사용

c<-3+5i
class(c)

[1] "complex"
# '3'은 실수, '5i'는 허수를 나타낸다

문자형(character):문자 또는 문자열을 표현할 때 사용

s<-"hello"
class(s)

[1] "character"

원형(raw): 컴퓨터 시스템에서 표현하는 기본 형태

r<-charRoRaw("hello")
r

[1] 68 65 6c 6c 6f
# charToRaw = 문자를 원형으로 바꿔주는 함수

R객체

백터(Vectors)

• 다수의 값을 담고 있는 R객체
• 내부 데이터는 한 가지 데이터형으로 통일

v<-c("hello",3.14)	#문자형과 숫자형 혼용
class(v)

[1] "character"		#문자형으로 변화
v
[1] "hello" "3.14"

# c는 백터를 생성해주는 함수이다

리스트(lists) :서로 다른 유형의 데이터를 담을 수 있는 객체

l<-list("hello", 3.14)	#문자형과 숫자형 혼용
class(l)

[1] "list"		#리스트형으로 출력
v
[[1]]
[1] "hello"		#문자형으로 출력
[[2]]
[1] 3.14		#숫자형으로 출력

행렬(matrices): 행과 열로 이루어진 2차원 데이터 집합

m<-matrix(c(2,3,1,5),nrow=2,ncol=2)
class(m)

[1] "matrix"
m
    [,1][,2]
[1,]  2   1
[2,]  3   5

배열(arrays): 다차원으로 구성된 데이터 집합

• 차원의 설정에 따른 배열의 변화
  • 1차원으로 설정 -> 배열(Arrays)로 취급
  • 2차원으로 설정 -> 행렬(Matrix)로 취급
  • 3차원 이상으로 설정 -> 배열(Arrays)로 취급

ar1<-array(c(2,3,1,5),dim=c(4))
ar2<-array(c(2,3,1,5),dim=c(2,2))
ar3<-array(c(2,3,1,5),dim=c(1,2,2))

class(ar1)
[1] "array"

class(ar2)
[1] "matrix"

class(ar3)
[1] "array"

ar1	#1차원
[1] 2 3 1 5

ar2	#2차원
    [,1][,2]
[1,]  2   1
[2,]  3   5

ar3	#3차원
, , 1
    [,1][,2]
[1,]  2   3

, , 2
    [,1][,2]
[1,]  1   5

요인(factors)

• "범주"라고도 부름
• 데이터의 값(value)과 레벨(lavel)을 함께 표현
• 객체가 구축되며 데이터가 자동으로 분석되므로 통계적 모델링과 분석에 유용

v<-c("kim","kim","han","lee","lee","kim")
vf<-factor(v)
vf

[1] kim kim han lee lee kim
Levels: han kim lee

class(vf)
[1] "factor"

데이터 프레임(data frames)

• 표의 형태로 정리된 데이터 객체의 일종
• 열(column)과 행(row)의 이름(name)을 지정 가능
• 열마다 서로 다른 데이터형을 가질 수 있음
• 숫자형(numeric), 요인(factor), 문자형(character)외의 다른 데이터를 저장할 수 없음
• 열마다 같은 수의 데이터를 포함하여야 함

v<-c("kim","kim","han","lee","lee","kim")
vf<-factor(v)
vf

[1] kim kim han lee lee kim
Levels: han kim lee

class(vf)
[1] "factor"

summary(df)
gender		height		weight		age
femail :2	Min, :159.0	Min. :49	Min. :25.00
mail   :1
...

산술 연산자(Arithmetic Operators)

a<-c(6,7)
b<-c(4,3)

a+b
[1] 10 10	# 6+4 7+3

a-b
[1] 2 4		# 6-4 7-3
...

관계 연산자(Relational Operators)

a<-c(2,3,4)
b<-c(3,3,3)

a>b
[1] FALSE FALSE TRUE	#2>3 3>3 4>3

a<b
[1] TRUE FALSE FALSE	#2<3 3<3 4<3
...

논리 연산자(Logical Operators)

a<-c(TRUE, FALSE, FALSE)
b<-c(TRUE, TRUE, FALSE)

a&b
[1] TRUE FALSE FALSE	#TRUE&TRUE FALSE&TRUE FALSE&FALSE

a|b
[1] TRUE TRUE FALSE

a&&b
[1] TRUE	#백터의 첫번째만 비교

a||b
[1] TRUE	#백터의 첫번째만 비교

대입(할당)연산자(Assignment Operators)

기타 연산자(Miscellaneous Operators

3:8
[1] 3 4 5 6 7 8

"pizza"%in%c("pizza","chicken")	#문자열 포함 여부를 검정
[1] TRUE

"icecream"%in%c("pizza","chicken")	#문자열 포함 여부를 검정
[1] FALSE

a<-matrix(c(1,2,3,4),nrow=2,n=col=2)	#행렬 a생성
b<-matrix(c(4,3,2,1),nrow=2,n=col=2)	#행렬 b생성

a*b
    [,1][,2]
[1,]  4   6
[2,]  6   4

a%*%b
    [,1][,2]
[1,]  13  5
[2,]  20  8