Machine Learning Algorithms 머신러닝 알고리즘

 

 

1. K-NN (K-Nearest Neighbor)

 : 내 위치 기준으로 K명한테 물어봄 -> 다수결로 (클래스) 결정

 

 

2. SVM (Support Vector Machine) 

 : 이진 분류기

 : 분류 성능 가능성(높음) => '분류'에 많이 활용됨

 

 

3. Decision Tree(의사결정 트리) 

 : 이진트리 활용해서 관측-목표값 연결하는 예측 모델

 : 오버피팅(과적합) 多 발생 ( 해결법 => 랜덤포레스트)

 

 

4. Random Forest (랜덤포레스트)

 : 트리가 많이 있는 것, 즉 다수의 의사결정 트리를 만들고 그 나무들의 분류를 집계하여 최종 분류하는 학습 방법 

 : 의사결정트리 단점인 오버피팅 문제 개선 可

 

 

5. Naive Bayse Classifier (나이브 베이즈 분류기)

 : 조건부 확률 모델 

 : 일반적으로 텍스트분류에 사용됨

 : 정확도 괜찮

 

 

6. K-means 클러스터링

 : K 개의 중심점 결정해줘야 함

 : K값과 최초지정하는 중심점에 따라 결과가 달라질 수 있음

 

 

7. 선형회귀 (Linear Regression)  [ y=ax+b ]

 : data 값(점)들을 찍어 경향성을 잘 표현할 수 있는 선을 찾고, 새 데이터가 들어오면 이 선을 기반으로 예측하는 것임.

 : 각 점에서 회귀 직선까지의 거리 제곱의 총합을 최소로해서 얻어진 직선

 

 

8. Logistic Regression (로지스틱 회귀)

 : data가 어떤 범주에 속할 확률을 0-1 사이 값으로 예측하고 그 확률에 따라 가능성이 더 높은 값으로 분류

 : 0 혹은 1로 양분화