머신러닝 : 지도학습(Supervised Learning) : 종류, 회귀분석, 모델 절차

지도학습

 

 

지도학습의 종류

회귀 (Regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측합니다. 예를 들면, 센서 값에 따른 두께 예측하는 것이 있습니다.

분류 (Classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y을 예측합니다. 예를 들면, 불량 여부를 예측하는 것이 있습니다.

 

 

회귀 분석에서 F란 무엇일까?

f를 구하기 위해서 입력 변수와 출력 변수가 필요합니다. 

p개의 입력 변수 X1, X2, ... , Xp 가 있고, 출력 변수 Y 가 있습니다. 이 떄, X = (X1, X2, ... , Xp) 라 하면 입력 변수와 출력 변수의 관계를 나타내는 식은 다음과 같습니다. 

Y = f(X) + e

f 는 정해졌지만 알 수 없는 함수를 의미하며, e는 오차 항을 의미합니다. 학습 데이터를 이용하여 f를 추정하는 식을 f^으로 정의합니다. 

 

 

 

좋은 머신 러닝 모형을 만들기 위한 절차

데이터 수집 및 전처리 -> 데이터 분할 -> 모형 선택 -> 모형 파라미터 선택 -> 모형 학습 -> 모형 검증 -> 모형 테스트 

해당 절차들을 차근차근 수행해나가며 문제를 해결해 나가야만 좋은 머신 러닝 모형을 만들 수 있다. 그렇다며 해당 절차들에서 어떻게 문제를 해결해나가고, 성능을 향상 시킬 수 있을까?

앞으로 그부분을 중점적으로 정리해나가도록 하겠습니다. 우선 데이터 수집부터 어떠한 개념들이 있는지 정리하여 포스팅 하도록 하겠습니다.