[TIL_Carrotww] 28 - 22/10/12

📝Carrotww의 코딩 기록장

🧲 머신러닝 모델의 종류

🔍 Support vector machine (SVM)

강아지와 고양이를 머신러닝하여 학습시킨다고 가정했을때 무엇을 구분하는 문제를 분류 문제(Classification problem)라고 하며, 해당 문제를 푸는 모델을 분류기(Classifier) 라고 한다. 위 x축과 y축은 강아지 고양이를 분류할 수 있는 특징으로 표시를 하였고, 정확도를 올리고 싶다면 특징을 추가할 수 있다. 특징을 많이 추가해 주면 보편적으로 정확도가 올라간다. ex) 짖는 소리

위 그림에서 강아지와 고양이를 구분하는 빨간 선을 Support vector 라 부르며 각 모델과의 거리를 Margin 이라고 부른다. Margin이 커질수록 모델들이 명확히 구분되는 것이니 우리의 목표는 Margin이 넓어지도록 학습시키는 것이다.

🔍 k-Nearest neighbors (KNN)

위 알고리즘은 이해하기 매우 쉽다.
특징별로 배치를 한 후 해당 개체가 근처에 있는 k(개수) 값을 보고 자신의 위치를 결정하는 알고리즘이다.

🔍 Decision tree (의사결정나무)

위 사진과 같이 스무고개 방식으로 추론을 하는 알고리즘이며 성능이 좋고 간단한 문제를 풀 때 자주 사용된다.

🔍 Random forest

Decision tree (의사결정나무)를 여러개 합친 모델이며 각 나무에서 나온 결과값을 각각의 의사결정나무들이 투표하여 최종 답을 가리는 방식이다.

🧲 잡설

🔍 솔직히 조금 어렵지만 kaggle 사이트에서 재밌는게 많아서 조금 숙달되면 재밌을 것 같다는 생각이 들었다.
아직 알고리즘도 완벽하게 수행하지 못하는데 배울게 많아져 머리가 조금 지끈거리지만 더욱 열심히 해야겠다.