ML/DL은 성능 좋은 계산기.
입력값의 범주를 벗어날 수 없음을 인지.
지도학습 : 변수설정 - 회귀분류
비지도학습 : 군집분류 - 로지스틱
단순회귀
피처(독립변수)와 레이블(종속변수)의 관계가 복잡하지 않은 경우
모델이 너무 단순해서 데이터의 구조를 제대로 학습하지 못할 경우
- 모델 파라미터가 더 많은 모델을 선택 (단순선형회귀 -> 다항회귀).
- 학습 알고리즘에 더 좋은 특성을 제공.
- 즉, 변수의 양을 늘린다.
다항회귀(단일피쳐 다항회귀, 곡선회귀)
데이터에 잘 맞는 일차 함수나 직선을 구하는 게 아니라 다항식이나 곡선을 구해서 학습하는 방법.
하나의 입력 변수에 대하여 차수를 확장하여 다차원 회귀 모델을 도출한다.
