지각 기반 분류(PBC)란 무엇인가?
지각 기반 분류(Perception-Based Classification, PBC)는 다차원 시각화 기법에 기반한 대화형 분류 방법으로, 사용자가 의사결정 트리를 구축하는 과정에서 데이터에 대한 배경 지식을 직접 반영할 수 있도록 지원합니다.
데이터와 시각적으로 상호작용함으로써 사용자는 데이터에 대한 더 깊은 이해를 얻게 됩니다. 그 결과 만들어지는 트리는 전통적인 의사결정 트리 유도(decision tree induction) 기법으로 생성한 것보다 작아서 해석이 훨씬 쉬우면서도, 거의 비슷한 수준의 정확도를 유지합니다.
원형 세그먼트(Circle Segments) 기법
PBC는 클래스 레이블 정보를 포함한 다차원 데이터를 시각화하기 위해 픽셀 기반(pixel-oriented) 방식을 활용합니다. 이때 원형 세그먼트 기법이 적용되는데, 이 기법은 d차원 데이터 객체를 d개의 세그먼트로 나눈 하나의 원에 매핑하며, 각 세그먼트는 하나의 속성(attribute)을 나타냅니다.
데이터 객체의 속성 값은 해당 객체의 클래스 레이블을 반영하는 색상 픽셀 하나로 매핑됩니다. 이러한 매핑은 모든 데이터 객체의 모든 속성-값 쌍에 대해 수행되며, 각 속성별로 정렬을 통해 세그먼트 내부의 배열 순서가 결정됩니다.
예를 들어, 특정 세그먼트 내의 속성 값들을 같은 속성 값 안에서 클래스 레이블 관점으로 동질적인(homogeneous) 영역이 드러나도록 배치할 수 있습니다. 한 번에 시각화할 수 있는 학습 데이터의 양은 대략 속성 수와 데이터 객체 수의 곱으로 결정됩니다.
분할 화면 인터페이스
PBC 시스템은 데이터 상호작용 창(Data Interaction Window)과 지식 상호작용 창(Knowledge Interaction Window)으로 구성된 분할 화면(split screen)을 제공합니다. 데이터 상호작용 창에는 검토 중인 데이터의 원형 세그먼트가 표시되고, 지식 상호작용 창에는 지금까지 구축된 의사결정 트리가 나타납니다.
초기 상태에서는 전체 학습 데이터가 데이터 상호작용 창에 시각화되며, 지식 상호작용 창에는 아직 노드가 없는 빈 의사결정 트리가 표시됩니다.
다중 분할점 지원
전통적인 의사결정 트리 알고리즘은 수치형(numerical) 속성에 대해 이진 분할(binary split)만 허용합니다. 반면 PBC는 사용자가 여러 개의 분할점(split-point)을 정의할 수 있게 하여, 하나의 트리 노드에서 여러 갈래의 가지가 뻗어나가도록 구성할 수 있습니다.
대화형 트리 구축 절차
트리는 다음과 같은 대화형 방식으로 구축됩니다.
- 속성 및 분할점 선택: 사용자가 데이터 상호작용 창에서 다차원 데이터를 살펴본 후, 분할에 사용할 속성과 여러 개의 분할점을 선택합니다. 그러면 지식 상호작용 창의 현재 의사결정 트리가 확장됩니다.
- 노드 처리: 사용자가 의사결정 트리의 노드를 하나 선택합니다. 이 노드에 클래스 레이블을 부여하여 리프(leaf) 노드로 만들거나, 해당 노드에 대응하는 학습 데이터의 시각화를 요청할 수 있습니다.
- 재시각화: 시각화를 요청하면, 루트부터 해당 경로까지 이미 분할에 사용된 속성을 제외한 나머지 각 속성에 대해 새로운 시각화가 생성됩니다.
- 반복: 이러한 대화형 과정은 의사결정 트리의 모든 리프 노드에 클래스 레이블이 부여될 때까지 계속됩니다.
마무리
PBC는 자동화된 알고리즘에만 의존하는 것이 아니라, 사용자의 도메인 지식과 직관을 의사결정 트리 구축 과정에 통합함으로써 더 해석하기 쉬운 모델을 만들 수 있게 해주는 강력한 접근 방식입니다. 복잡한 데이터를 직관적으로 탐색하고 싶은 분석가에게 PBC의 원형 세그먼트 기법과 분할 화면 인터페이스는 매우 유용한 도구가 될 수 있습니다.