Classification

머신러닝 지도 학습의 기본적인 유형인 분류(classification)는 학습 데이터로 주어진 피처와 레이블값(결정값, target)을 머신러닝 알고리즘으로 학습해 모델을 생성하고 이렇게 생성된 모델에 새로운 데이터 값이 주어졌을 때 미지의 레이블 값을 예측한다.
기존 데이터가 어떤 레이블에 속하는지 패턴을 알고리즘으로 학습한 뒤 새롭게 관측된 데이터에 대한 레이블을 판별하는 방식

대표적인 알고리즘
나이브 베이즈: 베이즈 통계와 생성 모델에 기반한 모델
로지스틱 회귀: 독립변수와 종속변수의 선형 관계성에 기반한 모델
결정 트리: 데이터 균일도에 따른 규칙에 기반한 모델
서포트 벡터 머신: 개별 클래스 간의 최대 분류 마진을 효과적으로 찾아주는 모델
최소 근접 알고리즘: 근접 거리를 기준으로 하는 모델
NN: 심층 연결 신경망에 기반한 모델
앙상블: 서로 다른(혹은 같은) 머신러닝 알고리즘을 결합한 모델

다음 글에서는 결정트리에 대한 설명을 하겠다.