1. 분류(Classification)란? 분류는 학습 데이터로 주어진 데이터의 피처와 레이블값(결정 값, 클래스 값)을 머신러닝 알고리즘으로 학습해 모델을 생성하고 이렇게 생성된 모델에 새로운 데이터 값이 주어졌을 때 미지의 레이블 값을 예측하게 된다. 2. 대표적인 분류 알고리즘 1) 베이즈(Bayes) 통계와 생성 모델이 기반한 나이브 베이즈(Naiïve Bayes) - 미리 발생한 사건들을 학습시킨 모델을 만든다. 그리고 새로운 데이터가 들어오게 되면 이전의 사건들을 기반으로 데이터가 어떤 행동을 할 지 예측한다. 2) 독립변수와 종속변수의 선형 관계성에 기반한 로지스틱 회귀(Logistic Regression) - 독립 변수와 종속 변수의 선형 관계를 기반으로 하여 종속변수가 이항(예: 성공/실..
머신러닝
1. 파라미터란?머신러닝에서 파라미터는 모델의 구성요소이자 데이터로부터 학습되는 것을 파라미터라고 한다. 즉, 가중치나 평향과 같이 모델이 학습을 통해 최적의 값을 찾는 변수를 의미한다. 예를 들어 선형 회귀 모델에서 Y = aX + b라는 직선의 방적식이 있고 a, b 이 두 값을 파라미터라고 한다. 머신런닝이 학습을 통해 각각 a는 -3, b는 5라는 최적의 값을 찾게된다. 2. 하이퍼파라미터란?하이퍼파라미터는 모델이 학습을 하면서 최적의 값을 자동으로 찾는 것이 아닌 사람이 직접 지정해 주어야하는 변수를 의미한다. 하이퍼파라미터의 경우 머신러닝 모델의 성능에 결정적인 영향을 끼치게 된다. 하이퍼파라미터는 여러 가지 값을 대입해보면서 최적의 값을 찾아 선택해야하는데 이렇게 최적값을 찾는 과정을 모..
