• 일반적으로 프로그래밍 코드로 문제해결시: 코드로 규칙을 만들어 문제 해결
• BUT! 데이터를 기반으로 한다면?
  
  : 문제파악 - ml/dl으로 훈련 - 평가 - Launch - 업데이트(+data 추가)
  - 모델에 대해 코딩X (알고리즘을 구현하는 코드는 있을수잇지만)
  - 심지어 알고리즘을 통해 우리가 배울 수도 있음!!

---

• 지도학습(label 정답을 알려주고 학습-> new data 예측) : Regression / Classification
• 비지도학습(label X):
  • 차원축소: 많은 특성과 많은 레이블을 가지고 있을때 알아보기 쉽게 시각화 또는 계산을 줄여 효율화
  • 군집: 알고리즘 결과 특성들을 분류
  • 등등

Regression: 출력-연속값

공부 필요!!!
특성(학습 데이터셋) -> <h (모델, 하이포레신스Hypotyesis)> ->예측값

선형 회귀 linear regression

: 주어진 데이터(특성-레이블)를 직선으로 만들어 예측

• h를만드는법? (기울기, 절편 등)

- 단순 선형회귀 (직선 1차함수)

: 하나의 독립 - 종속

- 다중회귀 Multiple linear regression (평면)

: 두 개 이상의 독립 변수 값을 기반으로 종속 변수 값을 예측

from sklearn.linear_model import LinearRegression

- 다항회귀 Polynomial regression (곡선)

: 종속 변수와 독립 변수 간의 다항식 관계를 모델링하는 회귀 분석 방법으로 독립 변수들의 비선형 관계를 모델링

• 함수로 표현하면?
  (simple-1차 다항함수, 독립변수 1개 / multiple -1차 다항, 독립변수 여러 개)
  
• 그래프로 표현하면?

비선형 회귀

: 종속 변수와 독립 변수 간의 관계가 직선이 아닌 경우

<비선형 함수>
-다항식 함수 (Polynomial functions): 비선형 관계를 모델링하는 데 유용
-지수 함수 (Exponential functions): 급격한 증가나 감소를 표현하는 데 사용
-로그 함수 (Logarithmic functions): 데이터가 로그 스케일로 표현될 때 선형 관계를 갖는 경우
-삼각 함수 (Trigonometric functions): 주기적인 패턴을 모델링하는 데 사용
-시그모이드 함수 (Sigmoid functions): 출력이 특정 범위로 제한되는 경우
등 비선형 관계를 모델링하기 위해 사용되는 다양한 함수들로 특정 모델에 국한되는 것이 아니라,비선형 회귀모델이 데이터의 특성과 문제의 복잡성에 따라 선택