Zero Inflated Negative Binomial Model은 0이 과도하게 많은 데이터에 유용하다.

Zero Inflated Negative Binomial Model은 0이 과도하게 많은 데이터에 유용하다.
Photo by Annie Spratt / Unsplash

Motivation

  • **Zero-Inflated Negative Binomial Model(ZINB)**은 데이터셋에서 0 값이 과도하게 나타나는 경우에 이를 효과적으로 다루기 위해 개발된 모델입니다. 이 모델은 두 가지 과정을 결합하여 0 값이 생성되는 메커니즘과 실제 데이터 분포(음이항 분포)를 동시에 설명합니다
  • 일반적인 음수 이항 분포(Negative Binomial)는 과도한 분산(overdispersion)을 다루는 데 적합하지만, 0 값이 비정상적으로 많이 관측되는 데이터에서는 성능이 저하됩니다. 예를 들어:
    • 의료 데이터에서 병원 방문 횟수: 많은 사람들이 병원에 전혀 가지 않음.
    • 소셜 미디어 활동 데이터: 대다수의 사용자가 특정 활동(예: 게시물 작성)을 하지 않음.

모델구조

  • ZINB 모델은 두 가지 과정으로 구성됩니다:
    • Zero Process (이항 분포)
      • 데이터가 0이 되는지를 결정하는 과정.
      • 로지스틱 회귀를 통해 특정 요인이 0 값을 발생시키는 확률을 추정합니다.
    • Count Process (음이항 분포)
      • 데이터가 0이 아닌 값(즉, 실제 카운트 값)을 생성하는 과정.
      • 음 이항 분포를 사용하여 과도한 분산을 처리합니다.
      • 음이항 분포는 **이항 분포(Binomial Distribution)**를 일반화한 것으로, 성공/실패와 같은 이진 사건이 반복될 때, r번의 성공이 발생하기까지의 실패 횟수를 확률적으로 모델링하는 분포
  • 이 두 과정은 다음과 같은 확률로 결합됩니다.$$P(Y = y) = \begin{cases} \pi + (1 - \pi) \cdot NB(y=0) & \text{if } y = 0, \ (1 - \pi) \cdot NB(y) & \text{if } y > 0, \end{cases}$$
  • $\pi$: Zero Process에서 데이터가 0이 될 확률.
  • $NB(y$): 음수 이항 분포의 확률 밀도 함수.

장점

  • 과도한 0 처리: ZINB 모델은 데이터의 과도한 0을 효과적으로 다룹니다.
  • 과도한 분산 지원: 음수 이항 분포를 사용하므로, 분산이 크거나 불균형한 데이터에 적합합니다.
  • 해석 가능성: Zero Process와 Count Process를 분리하여, 0 값의 생성 메커니즘과 실제 데이터의 패턴을 각각 이해할 수 있습니다.

단점

  • 모델 복잡성: 두 개의 프로세스를 결합하므로, 매개변수 추정이 복잡하고 계산 비용이 높아질 수 있습니다.
  • 과적합 위험: 복잡한 구조 때문에, 특히 데이터가 적을 경우 과적합 위험이 존재합니다.
  • 해석의 어려움: 두 개의 과정이 결합되어 있으므로, 각 프로세스의 영향을 분리하여 해석하는 것이 까다로울 수 있습니다.

대안

  • Zero-Inflated Poisson(ZIP): ZINB와 유사하지만, Count Process에 음수 이항 분포 대신 포아송 분포를 사용합니다. 데이터에 과도한 분산이 없다면 ZIP 모델이 더 간단하고 적합합니다.
  • Hurdle Model: 0 값을 포함한 데이터를 처리하지만, Zero Process와 Count Process를 명확히 분리하여 분석합니다.

예시

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.discrete.count_model import ZeroInflatedNegativeBinomialP
import matplotlib.pyplot as plt

# 데이터 생성
np.random.seed(42)
n_reviews = 1000

# Zero Process: 리뷰가 유용하지 않은 경우
zero_prob = 0.9  # 유용하지 않은 리뷰의 비율
is_not_useful = np.random.binomial(1, zero_prob, size=n_reviews)

# Count Process: 유용한 리뷰 점수 (0보다 큰 값)
count_mean = 2  # 평균 점수
useful_scores = np.random.negative_binomial(2, 0.5, size=n_reviews)

# 리뷰 유용성 데이터 생성
review_usefulness = is_not_useful * 0 + (1 - is_not_useful) * useful_scores

# 데이터 프레임 생성
data = pd.DataFrame({
    'review_id': range(1, n_reviews + 1),
    'usefulness': review_usefulness,
    'review_length': np.random.randint(20, 300, size=n_reviews),  # 리뷰 길이
    'positive_words': np.random.randint(0, 20, size=n_reviews)  # 긍정 단어 개수
})

# 데이터 분포 확인
plt.hist(review_usefulness, bins=20, alpha=0.7, color='blue')
plt.title("Review Usefulness Distribution")
plt.xlabel("Usefulness Score")
plt.ylabel("Frequency")
plt.show()

# ZINB 모델 적합
exog = sm.add_constant(data[['review_length', 'positive_words']])  # 외생 변수 (리뷰 길이, 긍정 단어 수)
zinb_model = ZeroInflatedNegativeBinomialP(
    data['usefulness'], 
    exog, 
    exog_infl=exog, 
    inflation='logit'
)

result = zinb_model.fit()

# 결과 출력
print(result.summary())

# 예측값 생성
data['predicted_usefulness'] = result.predict(exog)

# 예측값과 실제값 비교
plt.scatter(data['usefulness'], data['predicted_usefulness'], alpha=0.5, color='green')
plt.xlabel('Actual Usefulness')
plt.ylabel('Predicted Usefulness')
plt.title('Actual vs Predicted Usefulness')
plt.grid()
plt.show()

Read more

[책]Reshuffle: Who wins when AI restacks the knowledge economy

[책]Reshuffle: Who wins when AI restacks the knowledge economy

원래는 Amazon에 가서 Personal Knowledge Managment에 관한 책을 사려고 했다. Sketch Your Mind라는 책이었는데, 그 때 이 책 “Reshuffle”을 발견하였다. AI가 어떻게 Knowledge Economy를 흔들 것가? 라는 부제를 훑어보면서 저자가 쓴 다른 책을 보게 되었는데 거기에 내가 좋아했던 책을쓴 저자라는 것을 알게 되었다. 그래서 크게 고민하지 않고 구매를 하고

By Bongho, Lee
[책]올라운드투자, 누군가의 투자일기

[책]올라운드투자, 누군가의 투자일기

“올라운드 투자”라는 제목을 보았을 때는, “올라운드 플레이어”가 생각이 났다. “올라운드”라는 표현을 오랜만에 들어본 까닭이었다. 그럼에도 불구하고 이 책을 고른 것은 저자가 그간 보여준 컨텐츠에 대한 신뢰가 있던 까닭이었다. 컨텐츠를 다양하게 보는 편이지만 깊이가 아주 있지는 않았다. 여기서 깊이라 함은 기존 전문적인 정량적 분석의 내용의 수준을 말하는 것이다.

By Bongho, Lee
내가 놓치고 있던 미래, 먼저 온 미래를 읽고

내가 놓치고 있던 미래, 먼저 온 미래를 읽고

장강명 작가의 책은, 유학시절 읽고 처음이었다. 유학시절 "한국이 싫어서"라는 책은 동기부여가 상당히 되는 책이었다. 한국을 떠나 새로운 정채성을 학생으로서 Build up 해나가고 있던 상황에서 이 책은 제목부터 꽤 솔깃하였다. 물론 결말이 기억날 정도로 인상깊은 책은 아니었지만 말이다. 그렇게 시간이 흘러 장강명 작가의 책은 더 이상 읽지 않던

By Bongho, Lee