군집화(Clustering) 알고리즘
| 메서드 | 설명 | 특징 |
|---|---|---|
| K-means | 데이터를 K개의 클러스터로 분할하는 군집화 알고리즘 | - 중심점 기반 - 구형 클러스터에 적합 - K값 사전 지정 필요 |
| DBSCAN | 밀도 기반 군집화 알고리즘 | - 밀도 기반 - 불규칙한 형태 클러스터 가능 - 이상치 검출 가능 |
| KMeans with Dask | 분산 처리 기반 K-means | - 대규모 데이터 처리 - 병렬 처리 - 확장성 우수 |
분류(Classification) 알고리즘
| 메서드 | 설명 | 특징 |
|---|---|---|
| Decision Tree | 데이터를 트리 구조로 분류하는 알고리즘 | - 직관적인 해석 가능 - 범주형/수치형 모두 처리 - 과적합 위험 있음 |
| Logistic Regression | 확률 기반 이진 분류 방법 | - 선형 결정 경계 - 해석 용이 - 과소적합 위험 |
| KNN | 거리 기반 분류 알고리즘 | - 비모수적 방법 - 메모리 기반 - 계산 비용 높음 |
| XGBoost | 그래디언트 부스팅 기반 앙상블 | - 높은 성능 - 과적합 방지 - 병렬 처리 지원 |
배포(Deployment) 플랫폼
| 메서드 | 설명 | 특징 |
|---|---|---|
| Triton | NVIDIA의 추론 서버 플랫폼 | - 고성능 추론 - 다중 프레임워크 지원 - 동적 배치 처리 |
알고리즘 선택 기준
- 데이터 크기: 대규모 → Dask 기반 방법
- 해석 필요성: 높음 → Decision Tree, Logistic Regression
- 비선형성: 높음 → XGBoost, KNN
- 이상치 처리: 중요 → DBSCAN
- 실시간 처리: 필요 → Triton
