[이론편]머신러닝 동작원리 Basic - 머신러닝 대표모델

머신러닝 대표모델

• 1. 다중 선형 회귀(Linear Regression)
  • 데이터를 설명할 수 있는 여러개의 독립변수를 이용하여 종속변수를 예측
• 2. 로지스틱 회귀(Logistic Regression)
  • 분류에 사용되는 알고리즘
    • 0~1 확률을 알아냄
  • Sigmoid 알고리즘을 사용
  • 
  • 
• 3. K-최근접 이웃(KNN)

  • 서로 근접한 데이터가 비슷하다는 과정하에 시작

  • 분류, 회귀 두 상황에 사용 가능

  • 

  • 

  • 

• 의사 결정 나무

  • 분류, 회귀 상황 모두 사용 가능
  • 다른 머신러닝 알고리즘과 달리 분기 기준이 명확해서 예측 기준 분석이 수월함
  • 
    • 공부 시간, 흥미로 분기

• 랜덤 포레스트

  • 의사결정나무를 여러개를 모아서 만든 알고리즘
  • 베깅(앙상블기법) 사용
    • 분류모델이면 투표, 회귀모델이면 평균값을 예측 결과로
  • 데이터샘플링
    • 각 모델이 사용하는 데이터는 샘플링을 해서 사용
    • 복원추출 허용
  •