기계는 거짓말하지 않는다

숫자 값으로 떨어지는, 어떤 특정한 숫자 값을 예측하는 문제 종류 Ordinal Regression: 데이터 내 상대적 순서나 랭킹 예측, 음수 x, 소수점 x ex) 강연 참석자의 선호도, URL 즐겨찾기 순서 Poisson Regression: 어떤 이벤트가 발생할 횟수 예측, 이산분포를 따르며 음의 정수값 x, 소수점 x ex) 비행기 탑승에 따른 병원 방문 횟수 Fast Forest Quantile Regression: 값의 분산/분포 예측, 정확한 값을 알고 싶은게 아님 ex) 성적 예측을 통한 학생들의 발달 단계 평가 정확한 값, 판매량, 사이즈 등 예측은 아래 다섯 가지 사용 용이 Linear Regression: 가장 일반적인 선형 회귀 알고리즘, 어떤 알고리즘을 써야할지 잘 모를 때도 사..

특성(feature): 모델이 학습하는 데이터의 특성 값(하나의 데이터는 1개 이상의 특성을 가짐) 레이블(label): 모델이 예측한 정답 값 Y = w × X + b Y = Label (정답, tag, target이라고도 부름) X = Feature (변수가 됨) w, b를 머신러닝 모델이 구해줌 머신러닝 훈련 시 전체 데이터의 70~80%를 훈련, 20~30%를 평가할 때 사용 Feature Engineering: 사람이 여러 개의 Feature가 있을 때 어느 것이 최종 아웃풋에 영향을 미칠지 아닐지 고려해 가면서 변수를 조정하고 빼고 하는 것. 영향이 없는 것은 제외. 모델 학습의 혼란을 줄임 Feature Extraction: 기계가 특징을 뽑아냄. 사람이 Feature를 건드리지 않음. 딥러..