Supervised Learning - Regression, Classification

Supervised Learning에는

크게 Regression과 classification으로 

종류가 나뉜다.

 

*다시 보는 Supervised Learning

- 각 데이터에 정답(label)이 주어져 있고 레이블이 있는

데이터들의 집합은 training set이라고도 한다.

즉 레이블이 나눠진 데이터를 모델화 하여

세로운 데이터에 대해 정확한 출력을 예측하는 것을 말한다.

 

 

Regression

 

회귀분석은 간단하게 말해

연속적인 숫자, 즉 예측값이 float 형태인 

문제들을 해결하는데 사용된다.

 

예시 1)

지하철 역과의 거리. 학군의 수 마트 수  등등

여러 feature들로 어떤 지역의 땅값을

예측하는 문제.

 

예시 2)

출처 - https://www.androidhuman.com/ml/2018/03/04/ml_for_everyone_basics_01/

기본적인 머신러닝의 용어와 개념 설명 - 모두를 위한 머신러닝(딥러닝의 기본) #01

시험 공부에 투자한 시간(변수)에 따라 예상되는

기말고사 점수(0~100 사이의 연속적인 값)을

추측하는 모델.

다음은 시험 공부에 투자한 시간과

실제로 획득한 성적을 담고 있는 트레이닝 세트입니다.

X (TIME SPENT FOR EXAM)                                             Y (SCORE)

10	90
9	80
3	50
2	30

앞의 트레이닝 세트로 학습시킨 화귀분석 모델을 사용한다면,

시험 공부에 7시간을 투자한 학생의

예상 점수를 대략 75점 정도로 예측할 수 있을 것입니다.

 

즉 위에 예시들 처럼

출력에 연속성이 있다는 것이다.

이 연속성 중에 어디에 점을 찍을 수 있는가를 

예측 할 수 있는 것이 회귀문제이다.

 

Classification

 

분류는 회귀와 반대로

어떤 변수에 영향을 받는 결과를 

연속적이지 않은 값들로 나눌 때 사용된다.

 

위 공부시간에 대한 점수 예시를

공부 시간 투자한 시간에 따른

합격 여부(pass/fail)혹은 학점을

추측하는 모델을 말한다.

 

즉 class를 예측하는 모델이다.

 

 

1) Binary classification

Binary classification은 말 그대로

예측해야할 class가 두가지인 경우이다

예를 들어 예/아니오, 맞다/틀리다 등등을 말한다.

 

2) Multi-class classification

Multi-class classification은

예측할 class가 여러가지인 경우을 말한다

위에 학점 분류 예시처럼 A/B/C/D나

자기계발/인문/소설 와 같이

여러개의 class을 가지고 분류하는 것을 뜻한다.