B컷전문 | 개발과 인생의 이야기

분류(Classification)는 머신러닝 문제 중 가장 실무 활용도가 높은 분야입니다.
스팸메일 탐지, 질병 진단, 고객 이탈 예측, 금융 신용평가, 이미지 판별 등 대부분의 의사결정 문제는 결국 ‘분류’ 문제로 환원됩니다.

이번 글에서는 분류 문제의 정의, 핵심 모델, 평가 방식, 실전 코드 흐름까지 상세하게 정리합니다.

---

1. 분류 문제란 무엇인가?

분류(Classification)는 입력된 특성(feature)을 기반으로 정해진 클래스(범주, label) 중 하나에 속하는지를 예측하는 문제입니다.

예시:

입력 데이터 타겟 클래스

고객 나이, 사용 시간, 결제 수단	구매 여부 (0 or 1)
리뷰 내용, 단어 빈도	긍정/부정
이메일 본문	스팸 / 정상

---

2. 분류 문제의 유형

유형 설명 예시

이진 분류 (Binary)	클래스가 2개	스팸 vs 정상, 질병 있음/없음
다중 분류 (Multiclass)	클래스가 3개 이상	숫자 인식(0~9), 제품 카테고리
다중 라벨 (Multilabel)	여러 라벨을 동시에 예측	이미지에 여러 객체 존재 여부

---

3. 대표 분류 모델 개요

알고리즘 특징 장점 단점

로지스틱 회귀	선형 결정 경계	해석 용이, 빠름	비선형에 약함
결정 트리 (Decision Tree)	조건 분기 방식	직관적, 시각화 쉬움	과적합 위험
랜덤포레스트	다수의 트리 앙상블	높은 성능, 범용성	느림, 해석 어려움
XGBoost / LightGBM	부스팅 기반 강력한 모델	정확도 우수	튜닝 필요
KNN	거리 기반	단순, 비모수	계산량 큼
SVM	경계 최적화	고차원에 강함	느리고 민감함
신경망	비선형 학습	복잡한 문제 대응	학습/튜닝 비용 ↑

---

4. 분류 모델 실전 구현 (Scikit-learn 기반)

from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix

# 데이터 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y)

# 모델 학습
clf = RandomForestClassifier(n_estimators=100, max_depth=5)
clf.fit(X_train, y_train)

# 예측
y_pred = clf.predict(X_test)

# 평가
print(classification_report(y_test, y_pred))

---

5. 분류 모델 평가 지표

지표 의미 언제 중요?

Accuracy	전체 정확도	클래스 불균형 없을 때
Precision	예측한 것 중 실제 정답 비율	False Positive 중요할 때
Recall	실제 정답 중 예측 성공 비율	False Negative가 위험할 때
F1-score	Precision과 Recall의 조화 평균	균형 평가 필요할 때
AUC-ROC	분류기 판별력 시각화	전체 성능 추세 분석 시

예: 암 진단, 사기 탐지 → Recall 중요
예: 광고 클릭 예측 → Precision 중요

---

6. 분류 모델의 하이퍼파라미터 전략

• Decision Tree: max_depth, min_samples_split
• Random Forest: n_estimators, max_features
• XGBoost: learning_rate, max_depth, gamma, subsample
• SVM: C, kernel, gamma

from sklearn.model_selection import GridSearchCV

param_grid = {
    'max_depth': [3, 5, 7],
    'n_estimators': [100, 200]
}

grid = GridSearchCV(RandomForestClassifier(), param_grid, cv=5)
grid.fit(X_train, y_train)

---

7. 분류 모델 실전 적용 팁

• 클래스 불균형 → class_weight='balanced', SMOTE 활용
• 범주형 변수 처리 → OneHotEncoding 또는 Target Encoding
• 피처 중요도 시각화 → feature_importances_ 속성 활용
• 컬럼 수 많을 때 → SelectKBest, PCA 등으로 차원 축소

---

분류는 ‘결정 경계’를 이해하는 싸움이다

분류 모델은 단순히 0 또는 1을 예측하는 것이 아닙니다.
데이터의 공간에서 어디에 경계선을 그릴지 결정하는 과정이며,
그 경계는 전처리, 피처 엔지니어링, 모델 선택 모두의 영향을 받습니다.

다음 8화에서는 이러한 분류 모델을 넘어
회귀(Regression) 모델의 구조와 실전 예측 문제 대응 전략을 살펴보겠습니다.