Section2 Machine Learning review

섹션1 때는 데이터셋의 처리방법과 통계에 대한 기본 지식을 얻었다면 섹션2는 크게 머신러닝(지도학습)의 기본인 1.회귀모델 2.분류모델 3.모델에 대한 해석방법, 평가지표를 학습했다.

1. 회귀모델

섹션 2에서 처음으로 배웠던 모델은 단순선형모델이였다. 첫 느낌은 1차 함수를 보는 느낌이 들어서 반가웠다. 한마디로 표현하자면 'X(독립변수)의 변화량에 따라 Y(종속변수)의 값을 예상'하는 것으로 이해하기도 쉬웠고 잘 따라갔던거 같았다.

2. 분류모델

항상 예상할수 있는게 수치형일리는 없다. 범주형이여서 갈매기인지 비둘기인지 2가지로 구분할때는 선형모델을 사용 할 수 없다는 것이다. 따라서 배운건 트리모델이였고 첫 인상은 역시 그림이 되게 쉬워보였다. 분류모델은 '이미 정해진 타겟에 알맞게 구분하는 작업'이라고 생각된다. 하지만 만만하게 볼 녀석은 아니였던거 같다. 용어가 생소한게 많았고 하이퍼파라미터 설정부터 이해하기 쉽지 않았다. 하지만 이때 파이프라인을 처음 써보고 '오 정말 편한다' 라는 느낌이 들어서 기억에 남는 파트였다.

3. 모델에 대한 해석방법, 평가지표

아직도 더 공부해야되는 부분이다. 섹션2에서 가장 힘들고 의욕이 사라지게 만든 부분이랄까?? 지금은 뭐 리뷰하는 공간임으로 편하게 작성을 하겠다. confusion matrix,f1,recall,precision의 대략적인 개념은 이해한다. 하지만 pdp plot, shap이라던지 많이 힘들었다.