R 데이터 분석 머신러닝

R 데이터 분석 머신러닝
조민호 지음 / 정보문화사 / 2021년 2월

예전에 모 대학 통계학과에서 조교수로 있던 친한 형의 연구실에 갔다가 통계분석 프로그램을 접해본 적이 있다. 당시 그 형이 쓰던 프로그램은 'SPSS'라는 것이었는데, 체감상 자료를 입력하고 통계 데이터가 나오는 일련의 과정이 매우 직관적이어서 흥미를 가졌었고 조금 배우기도 했었다. 그 당시에 통계 분석 프로그램을 다루는 것보다 그 결과값을 가지고 어떤 해석을 내놓느냐가 중요하다는 걸 배우기도 했는데, 시간이 흐른 뒤에는 사실 통계 프로그램을 접할 일이 거의 없었다.

요즘은 뉴스나 여러 매체를 통해 통계 자료를 자주 접한다. 통계 데이터가 절대적으로 신뢰할 만한 정보라고는 할 수 없지만, 상당히 많은 사람들에게 설득력을 지닌 자료나 근거는 통계 데이터를 기반으로 하고 있다. 그런데 이런 통계 자료들은 일차적으로 제일 순수한 형태의 표본 자료를 수집하는 과정이 필요하고, 수집된 표본들은 통계 분석 도구, 즉 이 책에서 소개하고 있는 'R'이나 앞서 언급한 'SPSS', 혹은 ‘SAS’ 등으로 그 표본들의 특성을 분석하여 통계적으로 유의미한 정보를 보여주는 것으로 산출된다. 그리고 산출된 통계 자료가 의미 있는 정보로서의 가치를 지니려면, 해석자의 역량에 따라 달라진다.

「R 데이터 분석 머신러닝」은 바로 위의 과정에서 가장 기본이 되는 자료 분석의 기초적인 방법을 가르쳐주는 책이다. 워낙 감이 없던 터라 기존에 출간된 저자의 데이터 분석 관련 서적 서평이나 평점을 봤는데, 설명이 좀 어렵다거나 부족하다는 평이 있어서 이번에 나온 책은 어떨지 궁금했다. 처음에 R에 대해 간단히 설명한 후 오픈 소스로 된 이 프로그램을 다운로드할 수 있는 홈페이지를 알려준다. 그런데 막상 홈페이지에 들어가 다운로드를 하려니 쉽게 되지 않았다. 그래서 인터넷으로 이 프로그램을 설치하는 정보를 다룬 블로그 게시물을 찾아 설치할 수 있었다. 따라서 책에 제품의 설치에 관한 설명이 좀 더 자세했으면 좋겠다는 생각이 들었다.

저자는 R을 잘 사용하기 위해 필요한 기본 명령어 20개 정도를 자유롭게 쓸 수 있는 것을 이 책의 목표로 삼고 있는 것 같다. 그것만으로도 대부분의 문제를 해결할 수 있다고 한다. 파트1에서는 가장 기초적인 사용법이라 할 수 있는 계산기 기능부터 벡터 데이터를 만드는 법, 프로그래밍 기능, 데이터의 조작을 위해 필요한 다양한 패키지를 사용하는 방법 등과 데이터를 시각화하는 그래프 그리기도 가르쳐준다. 파트2에서는 본격적인 통계 분석의 기본 개념을 살펴보고 표본 생성 및 기초 통계량, 독립성과 적합성 검정, 차이 검정, 인과 관계 검정에 대해 알려준다. 여기에서는 우리가 중고등학교 수학 시간에 배웠던 평균값, 분산, 표준편차, 정규분포 등의 용어가 나와 조금 친숙할 수 있다.

파트3에서는 조금 더 전문적인 회귀 분석에 대해 알아보고 이 ‘회귀’라는 개념을 응용하여 요즘 많이 언급되는 인공지능의 딥러닝을 가능하게 하는 신경망의 역사와 기술에 대해서도 알려준다. 파트4에서는 데이터의 분석에서 더 나아가 다양한 분석 기법을 탐구한다. 여기서는 데이터 전처리 과정, 즉 ‘데이터 클린징’이라는 개념이 나오는데, 데이터 분석을 수행하기전에 데이터에 대한 형식의 변경이나 보완 작업을 수행하는 것을 말한다고 한다. 즉 주어진 데이터가 분석 대상으로서 제 역할을 할 수 있도록 적합성을 가지게 하는 작업인 것 같다. 쉽게 말해 데이터의 성격을 대략적으로 파악하고, 오류는 없는지 확인하는 등의 절차로 보인다.

책에는 다양한 예제와 입력값들이 매우 많이 나와 있다. 그래서 처음부터 차근차근 직접 실행해 보며 출판사의 자료실을 적극 활용하며 따라가야 책값을 건질 수 있다. 수학에 대한 부담 없이 볼 수 있는 책인 줄 알았는데, 다양한 입력값들의 나열을 보니 학창 시절 수학책의 수식들만 봐도 머리가 하얘지는 사람은 좀 어렵겠다는 생각도 들었다. 다시 한 번 처음부터 실습하면서 잘 살펴봐야겠다.

* 네이버 리뷰어스클럽 카페 이벤트를 통해 출판사로부터 책을 무상으로 제공받아 읽고 쓴 서평입니다.