갈릿 슈무엘리
국립 칭화 대학
통계적 모델링은 인과적 설명, 예측 및 설명을 통해 이론을 개발하고 테스트하는 강력한 도구입니다. 많은 분야에서 인과적 설명을 위해 통계적 모델링을 거의 독점적으로 사용하는데, 설명력이 높은 모델은 본질적으로 예측력도 높다는 가정이 있습니다. 설명과 예측의 혼동은 흔하지만, 과학적 지식을 발전시키고 실무에서 적절하게 사용하려면 이 구분을 이해해야 합니다.
설명적 및 예측적 모델링과 평가의 차이점을 이해하는 것은 데이터 세트의 정보 품질, 즉 데이터 분석을 사용하여 과학적/실용적 목표를 달성할 수 있는 잠재력을 평가하는 데 필수적입니다. 설명-예측 구분은 과학 철학에서 인정되었지만 통계 및 데이터 마이닝 문헌은 설명적 목표와 예측적 목표에 대한 모델링 과정에서 발생하는 많은 차이점에 대한 철저한 논의가 부족합니다. 이 강연에서 설명적 모델링과 예측적 모델링의 차이점을 명확히 하고 데이터 분석 측면에서 실질적인 의미를 밝힐 것입니다.
참고문헌: To Explain or to Predict?, Galit Schmueli 지음, Statistical Science 2010, Vol. 25, No. 3, 289–310
