Machine Learning의 종류

1. 선형 회귀분석(Linear Regression)

---

• 독립 변수와 종속변수가 선형적인 관계가 있다라는 가정하에 분석합니다.
• 직선을 통해 종속변수를 예측하기 때문에 독립변수의 중요도와 영향력을 파악하기 쉽습니다.

2. 의사결정나무(Decision Tree)

---

• 독립변수의 조건에 따라 종속변수를 분리합니다.( 눈이 내린다 -> 테니스를 치지 않는다)
• 이해하기는 쉬우나 overfitting이 잘 일어납니다.

3. KNN(K-Nearest Neighbor)

---

• 새로 들어온 데이터의 주변 k개의 데이터의 class로 분류하는 기법입니다.

4. NN(Neural Network)

---

• 입력, 은닉, 출력층으로 구성된 모형으로서 각 층을 연결하는 노드의 가중치를 업데이트하면서 학습합니다.
• Overfitting이 심하게 일어나고 학습시간이 매우 오래 걸림

5. SVM(Support Vector Machine)

---

• Class간의 거리(margin)가 최대가 되도록 decision boundary를 만드는 방법입니다.

6. Ensemble Learning

---

• 여러개의 모델(classifier or base learner)을 결합하여 사용하는 모델입니다.

7. K-means Clustering

---

• Label 없이 데이터의 군집으로 k개로 생성하는 모델입니다.