[TIL] 내일배움캠프 AI 9기 - 10회

🐶 학습 범위

• 강좌:  바닥부터 시작하는 머신러닝 3~5 주차

 

🐶 공부 내용

현재 보유하고 있는 지식과 강의로는 이해가 가능한 내용이 거의 없었다.
다시 들을 때 도움이 되도록 강의에서 나온 용어에 대해 정리하고자 한다.

✨ 회귀 모델
   1. 통계학에서 하나 또는 그 이상의 독립 변수와 종속 변수 간의 관계를 모델링하는 데 사용
   2. 변수들 사이의 관계를 수식으로 표현
   3. 주어진 데이터에 기반해 종속 변수의 값을 예측하거나 설명하는 데 사용
   
   ✔️ 유형
   1) 단순 선형 회귀 (Simple Linear Regression)
        • 한 개의 독립 변수와 한 개의 종속 변수 사이의 선형 관계를 모델링

   2) 다중 선형 회귀 (Multiple Linear Regression)
        • 두 개 이상의 독립 변수를 포함하고 종속 변수와의 선형 관계를 설명
        • 특정 이벤트의 발생 여부를 예측하는 데 사용
        • 모델은 종속 변수의 로그 오즈(log-odds)가 독립 변수의 선형 조합으로 표현

   3) 로지스틱 회귀 (Logistic Regression)
        • 종속 변수가 이진 값(예: 0 또는 1)인 경우 사용    
        • 특정 이벤트의 발생 여부를 예측하는 데 사용
        • 모델은 종속 변수의 로그 오즈(log-odds)가 독립 변수의 선형 조합으로 표현

   4) 다항 회귀 (Polynomial Regression)
        • 독립 변수의 고차항을 포함하여 복잡한 비선형 관계를 모델링


✨ 지도학습
   1. 기계학습의 한 방법
   2. 알고리즘이 레이블이 지정된 훈련 데이터를 사용 및 학습
   3. 새로운 데이터의 출력을 예측하는 모델을 구축하는 과정
   
   ✔️ 특징
   1) 레이블된 데이터
        • 알고리즘은 입력(X)과 정확한 출력(Y) 쌍이 포함된 데이터 세트를 사용하여 학습

   2) 모델 예측
        • 학습된 패턴을 기반으로 새로운 입력 데이터에 대한 예측을 수행

   3) 평가
        • 모델의 성능은 검증 데이터셋 또는 테스트 데이터셋을 사용하여 평가 
        • 정확도, 정밀도, 재현율, F1 점수 등 다양한 지표로 측정

   ✔️ 유형
   1) 분류(Classification)
        • 출력 변수가 범주형(예: 이메일이 스팸인지 아닌지)일 때 사용

   2) 회귀(Regression)
        • 출력 변수가 연속적인 수치(예: 집의 가격, 온도 등)일 때 사용

 

 

🐶 느낀점

1. 제공되는 강좌로는 도무지 따라가기 어려울 것 같다는 판단이 들었다. 
2. 개인적으로라도 어떻게든 공부하는 시간을 마련해야 할 것 같다.
3. 어떻게든 머신러닝 강좌를 다 들었는데 토할거 같다.