Pattern Recognition

이번 글에서는 패턴 인식 수업에서 다룬 Linear Regression(선형 회귀)에 대해 정리해보려 한다. 1. 패턴 인식과 회귀 머신러닝에서 learning(학습)은 다음과 같이 나뉜다: Supervised learning(지도 학습) Regression :

이전 글에서 우리는 선형 회귀(Linear Regression)를 통해 연속적인 수치 예측을 배웠다. 하지만 현실에서는 다음과 같은 문제들이 더 많다: 이메일이 스팸인지 아닌지? 환자가 질병에 걸렸는지 아닌지? 손글씨 숫자가 7인지 1인지? 👉 즉, 결과가 범주형

머신러닝에서 모델을 학습하다 보면, 학습 데이터에는 잘 맞지만 새로운 데이터에선 성능이 떨어지는 경우를 자주 겪게 된다. 이 현상이 바로 우리가 오늘 알아볼 오버피팅(Overfitting)이다. 이 글에서는 오버피팅이란? 왜 발생하는가? 모델 평가 지표 (R², AI

패턴 인식 (Pattern Recognition)에서 아주 중요한 분류(Classification) 및 회귀(Regression) 모델 중 하나가 바로 결정 트리(Decision Tree)입니다. 이 글에서는 결정 트리의 기본 구성부터 impurity, split 기준

.