학습일지
1.[ML] Machine Learning
1. 머신러닝(Machine Learning)이란? -> 입력과 출력을 통해 규칙을 찾고, 새로운 입력이 들어왔을 때도 출력을 잘 예측하도록 하는 방법 > 머신러닝 모델은 입력과 출력 사이의 관계를 내부적으로 학습하지만, 그 과정이 사람이 이해하기 쉬운 규칙 형태로
2026년 1월 27일
2.[ML] 지도학습(Supervised Learning)
1. 지도학습 : 정답이 있는 데이터를 사용해 입력과 출력 사이의 관계를 학습하는 머신러닝 방법 "무엇을 예측하느냐"에 따라 분류/회귀 등으로 나뉨
2026년 2월 3일
3.[ML] 지도학습 - 분류(1): 단일 모델
모델을 하나만 써서 학습/예측하는 방식 - 역할: **비교 기준** - 머신러닝에서 모델을 만들 때 바로 XGBoost 같은 고급 모델로 가면 위험함.
2026년 2월 11일
4.[ML] 지도학습 - 분류(2): 앙상블 모델(Ensemble Methods)
1. 앙상블 : 여러 개의 모델을 결합해 단일 모델보다 더 안정적이고 성능 좋은 예측을 만드는 방법
2026년 2월 17일
5.[ML] 지도학습 - 회귀(1): 단일 모델
1. 회귀(Regression) : 출력값이 연속형 숫자(value)인 지도학습 입력 x로부터 예측값 ŷ를 만드는 과정
2026년 2월 24일
6.[ML] 지도학습 - 회귀(2): 앙상블 모델(Ensemble Methods)
1. 앙상블(회귀) 회귀에서는 출력이 숫자이기 때문에 모델 결합 방식이 "평균"이라는 점!
2026년 3월 3일
7. [ML] 지도학습 - 모델링 프로세스
1. 문제 정의(Problem Framing) "무엇을 예측할지"보다 중요한 건 "어떻게 쓸지"다!
2026년 3월 10일
8.[ML] 비지도학습
1. 비지도학습 : 정답(label)없이 데이터의 구조, 패턴, 관계를 학습하는 방법
2026년 3월 17일