데이터 종류: 정형 데이터 vs 비정형데이터
-
정형 데이터 : N x P, Table 데이터
-
비정형 데이터 : Image, Text …
Machine Learning 종류
-
X : Variables, Features, Columns, 독립변수, 설명변수
- Numerical : 연속적인 변수 (2는 1보다 크다, 변수에 대/소가 의미 있음)
- Categorical : 이분적인 변수 (2는 1과 다름, 변수에 대/소가 의미 없음) -
Y : Labels, 종속변수
- Numerical : Regression, 회귀모형
- Categorical : Classification, 분류모형 -
Algorithm = Input → Process → Output
- Model -
좋은 알고리즘의 기준은 ?
- Error가 낮은 Algorithm
Loss Function
- Error = Variance + Bias
- Variance: 추정 값(Algorithm Output)의 평균과 추정 값 (Algorithm Output) 들 간의 차이
- Bias: 추정 값 (Algorithm Output) 의 평균과 참 값(True)들 간의 차이
- Bias는 참 값과 추정 값의 거리를 의미. Variance는 추정 값들의 흩어진 정도를 의미함
Linear Regression
Simple Linear Regression
- 독립변수 X 1개, 종속변수 Y 1개
- error 최소화
Multi Linear Regression
- 독립변수 X’s 2개, 종속변수 Y 1개
- error 최소화
Why Square?
- 추정 값과 참 값의 차이를 표현하는 방식의 차이
- 하지만 제곱(Square)의 장점은 빠르게 문제 해결이 가능함
- Closed Form
