supervised learning (지도학습)

1. 선형 회귀분석(Linear Regression)

• 독립 변수와 종속 변수가 선형적인 관계까 있다는 가정 하에 분석
• 직선을 통해 종속 변수를 예측하기 때문에 독립변수의 중요도와 영향력을 파악하기 쉬움
  

2. 의사결정나무 (Decision Tree)

• 독립변수 조건에 따라 종속변수 분리
• 이해하기 쉬우나 overfitting 잘일어남
  

3. KNN (K-Nearest Neighbor)

• 새로 들어온 데이터의 주변 k개의 데이터의 class로 분류하는 기법
  

4. Neural Network

• 입력,은닉,출력층으로 구성된 모형
• 각 층을 연결하는 노드의 가중치를 업데이트하면서 학습
  

5. SVM (Support Vector Machine)

• Class 간의 거리 (margin)가 최대가 되도록 decision boundary를 만드는 방법
• 회귀분석에 비해 학습 과정 내 어느정도의 오차를 허용해서 overfitting 방지
• 학습 시간이 오래 걸림
  

6. Ensemble Learning

• 여러 개의 모델(classifier or base learner(약한 분류기))을 결합하여 사용하는 모델
• base learner를 어떻게 하면 더 다양하게 만들 수 있을까가 핵심
  

Unsupervised learning (비지도학습)

7. K-means clustering

• label 없이 데이터의 군집으로 k개로 생성