이제부터 분류 (Classification) 에 대해서 알아보자
지도학습은 크게 분류와 회귀로 나눠짐
참고로 앞에서 한 평가지표들은 모두 분류에 적용되는 것!
회귀의 평가지표(MSE, RMSE, MAE, R-Square, ...)는 회귀 파트에서 다루겠음
분류
학습 데이터로 주어진 데이터의 Feature와 Label을 머신러닝 알고리즘으로 학습해서 모델을 생성하고,
이렇게 생성된 모델에 새로운 Feature 가 주어졌을 대 미지의 Label 값을 예측!
분류 머신러닝 알고리즘 종류
나이브 베이즈 (Naïve Bayes)
- 베이즈 통계와 생성 모델에 기반
로지스틱 회귀 (Rogistic Regression)
- 독립변수와 종속변수의 선형 관계성에 기반
결정 트리 (Decision Tree)
- 데이터 균일도에 따른 규칙 기반
- 의사결정나무라고도 함
최소 근접 (Nearest Neighbor) 알고리즘
- 근접 거리를 기준 함
신경망 (Neural Network)
- 심층 연결을 기반
앙상블 (Emsemble)
- 서로 다른(또는 같은) 머신러닝 알고리즘을 결합
- 배깅 (Bagging)과 부스팅 (Boosting) 방식으로 나뉨
- 배깅의 예: Random Forest, 부스팅의 예: Gradient Boosting
Statistics & Data Science