-----------------------------------------------------------------
Week 6: Learning from data: classification
제6주차: 자료에서 정보 얻어내기(자료분류)
- Using machine learning tools to classify your data
수집한 자료를 분류하기 위해 기계학습 도구(분석 소프트웨어)를 활용하기
- Investigating different types of galaxies
서로다른 종류의 은하 찾기
-----------------------------------------------------------------
1강: 관측 자료 분류(Classification)-----------------------------------------------------------------
Lesson 1: Learning from Data: Classification / 한글자막
-----------------------------------------------------------------
2강: 은하의 형태 종류
Lesson 2: Types of Galaxies / 한글자막-----------------------------------------------------------------
3강: 형태에 따른 은하 분류
Lesson 3: Morphological Classification of Galaxies / 한글자막 / 영문자막
[강의대본]
[00:07] 우리는 지난 강좌를 통해 결정 트리가 어떻게 작동 하는지 개략적으로 알고있다. 이번 강의는 그 지식을 오래된 문제인 은하의 분류에 적용해 보려고 한다. 슬로언 디지털 스카이 서베이에서 은하 사진을 가져다 우리의 수동분류에 쓰기로 한다. 각 은하는 은하 동물원 계획(Galaxy Zoo Project)의 일부로 자원자들에 의해 분류되었다. 그중에서 상당히 신뢰성 있는 소자료를 (학습용으로) 골랐다. 그러니까 대부분의 자원자들과 같은 (분류) 조건을 선택했다.
[00:38] 세가지 종류로 은하를 나눴는데, 타원, 나선 그리고 충돌(merge)의 증거라 볼 수 있는 불규칙 은하의 영상이다. 각 은하마다 다섯개의 슬로언 필터로 찍은 영상이 있다. 이에 덧붙여 몇가지 조정된 매개변수가 있는데 슬로언 자료 축약 절차의 일부에서 계산된 것이다. 이에 대해서는 다음에 자세히 설명하겠다.
[00:59] 기계학습 분류기를 학습시키기위해 몇가지 속성과 특징에 따른 각 은하를 특성화할 필요가 있다. 지난 강좌에서 결정 트리 회귀(regression)을 다룰 때 단지 네개의 슬로언 색차를 사용 했었지만 이번에는 좀더 풍부한 특징을 활용 할 것이다. 결정 트리 알고리즘은 이런 특징들을 받아들여 바른 분류로 사상하는 모형을 구성하는데 우리가 가진 학습용 자료가 사용될 것이다. 그리고 실제 미지의 자료에 대해 적용하기 전에 우리가 가진 분류기의 정확성을 평가하기 위해 열번 접음(10-fold) 교차 검증(cross validation)을 수행한다. 따라서 전체적인 방법론은 매우 명확하다. 기본적으로 교사 기계 학습에서 해봤던 과정과 같다.
[01:37] 과학자의 관점에서 가장 많이 생각을 해야할 지점은 특징의 선택이다. 견본 자료에 있는 은하를 가장 잘 표현할 방법은 무엇인가? 이에 대해 생각해보는 한가지 방법은 만일 내가 손으로 분류작업을 할 때 나라면 어떻게 할까 라는 생각을 해보는 것이다. (대부분 프로그래머들이 알고리즘을 개발할 때 '나라면?' 이라는 질문부터 시작한다. 풍부한 경험과 배경지식을 가진 개발자만이 조은 코딩 경과를 낼 수 있다.)
[01:55] 은하 동물원은 분류 자원자들이 수월하게 따라 할 수 있도록 결정 트리를 아주 훌륭하게 시각화 해놨다. 이 트리는 매우 높은 (추상화)수준(abstraction level)에서 시작한다. 영상속의 대상이 동그란지, 원판처럼 보이는지 또는 별인지 묻는다. 그리고 나서 두개의 큰 부류로 나누는데 둥근 것 과 원반 같은 것, 이어서 구체성이 높은 질문들이 이어져 최종 분류가 이뤄지도록 도와준다.
[02:21] 서로다른 수천명의 자원자들이 참여하는 경우 이와 같은 정형화된 도표는 필수다. 비록 개별의 전문 분류자 일지라도 분류의 일관성(consistency)을 증대시키기 위해서 이런 정형화는 가장 훌륭한 시도다. 그에 덧붙여 인간 결정 트리와 컴퓨터(기계학습된 자동분류)의 중요한 차이가 있다. 인간은 도식을 따르는 과정에서 질문이 좀 이상하다고 생각되면 자기 스스로의(경험에 의거) 결정을 내릴 것으로 예상된다. 하지만 기계학습 알고리즘은 특징과 질문은 수치화 될 필요가 있다. 그러므로 자동 분류에 사용하게 될 특징에 대해 생각해보자(따져보자).
* 비록 정형화된 지침이 있더라도 인간은 작업 수행과정에서 사심이 개입될 수 있다. 이상한 입력에 대해 재고할 수 있지만 기계은 오직 수치로 판단한다. 따라서 기계에 사용할 수치화된 특징에 심각하게 고려되어야 한다.
[03:00] 마도 가장 간단한 (특징 선택)조건(옵션)은 은하 영상 속의 모든 픽셀을 활용 하는것이다. 그리하여 우리가 512X512짜리 영상이 슬로언 다섯개 필터로 찍은 다섯개가 있다면 각 은하마다 총 1백 30만개(1,310,720)의 특징을 가진 셈이다.
이렇게 원영상의 화소점을 특징으로 잡고 접근하는 방법은 몇가지 장점이 있다. 먼저, 특징 선택시 끼어들지도 모를 편견(bias)을 가능한 최소화 한다. 두번째, 복잡한 영상 분석(image analysis)을 수행할 필요가 없이 영상을 있는 그대로 활용 할 수 있다.
[03:35] 하지만 여기에는 단점도 있다. 편견이 끼어들 여지를 두지 않음과 동시에 단점으로 우리가 가진 천문학 전문지식을 활용하지 못한다. 원 영상의 화소를 그대로 사용하면 이 문제에 대한 이제까지의 천문학적 지식을 활용 할 수 없다. 예를들어 늙은 별들이 많은 타원은하의 색이 적색 계열을 띈다는 지식을 활용할 수 없다. 두번째 단점으로는 계산에 관한 것이다. 모든 화소를 특징으로 사용한다는 뜻은 문제의 (복잡도)차원을 감소기킬 수 없다는 것이며 계산비용이 비싸게 먹힌다. 백만개에 이르는 특징에 대하여 모형을 세워야 한다. 현대의 컴퓨터 계산능력 덕에 이렇게 원시 정보를 가지고 접근하는 방법을 가능하게 하고 실제로 영상 분류에 매우 성공적이긴 하다.
[04:16] 좀더 많은 것을 알기 싶다면 딥 러닝 분야에 많은 자원을 제공되어 있으니 참고하자. 하지만 이번 예에서는 특징 추출(feature extraction)에 관헤서 집중하기로 한다. 허블도 말했듯이 성곡적인 분류의 척도은 크게 분류를 위해 선택한 특징의 중요도에 달렸다.
[04:34] 이점을 염두에 두고 우리는 어떤 특징을 활용할까? 몇가지 중 확실한 것은 은하의 색이다. 이 특징은 허블도 사용할 수 없었다. 그가 사용한 사진은 단지 한가지 색의 밝기를 측정 했을 뿐이다(흑백 사진건판). 하지만 오늘날의 우리는 은하내에 속한 별들의 나이를 알려주는 진짜 중요한 표지를 알고 있다.
[04:54] 두번째는 은하의 타원율(ellipticity)이다. 우리는 타원 맞춤을 통하여 은하의 형상에 대한 개략적 정보를 갖게됐다. 그로부터 장축 및 단준의 비율을 따져서 이 형상을 특징화 한다. (타원의 일그러짐으로 막대(Bar)로 진화하는 정도를 예상해 볼 수 있다.)
[05:08] 그리고 끝으로 은하의 밝기 분석표(profile)이다. 은하의 중심부에서 반경을 따라 밝기의 변화를 함수로 세울 수 있다. 이 특징(밝기 함수)은 은하 영상을 보며 구분하는 인간의 눈을 (컴퓨터에서)재현 할 때 활용된다.
[05:25] 이제 인간의 관측이 그렇지만 모든 특징들은 저마다 한계를 가지고 있다는 것을 기억하자. 예를 들어 은하의 타원율은 보는 각도에 따라 달라진다. 그런 한계가 있어도 괜찮은 것이, 각 특징들은 분류기가 모형을 만들때 사용하는 전체 정보의 일부분을 담당하기 때문이다.
[05:43] 이제부터 우리가 사용할 특징들 만을 논하기로 하자. 사용할 특징들을 표에 나타내었다.
[05:49] 우리는 은하의 외형, 그러니까 타원, 나선 그리고 충돌을 가지고 이제 결정 트리 분류기를 훈련 시켜보자. 열번 접이 교차 증명(10-fold cross validation)으로 우리가 만든 결정트리의 정확도를 평가했다. 그리하여 우리의 결론은 다음과 같다.
[06:01] 인수들을 뽑아내 복잡한 특징 추출이나 최적화를 실시하지 않고도 시험 대상 중 5분의 4가량을 타원 충돌 은하로 분류해냈다. 첫 시도치고는 괜찮은 결과다. 다음 강의에서 좀더 깊이 있게 이 결과의 의미를 따져보기로 한다.
댓글 없음:
댓글 쓰기