반응형 규제2 [혼공머신] 2주차 - 회귀 모델과 규제 Ch.3 회귀 알고리즘과 모델 규제 3-1. k-최근접 이웃 회귀 지도학습은 크게 분류와 회귀 2가지로 나뉩니다. 1주차에서 했던 분류와, 이번 주차에 볼 '예측'에 해당되는 분류가 있습니다. 간단하죠? 그런데 머신러닝 입문 단계에서는 프로젝트를 할 때, 내 프로젝트가 분류인지 예측인지 어려운 경우도 종종 있어서 프로젝트의 목적을 분명히 해야 합니다. 예를 들어, '연봉으로 2억원을 받는 야구선수는 어떤 포지션일 확률이 높을까?' 같은 경우에는 분류일까요, 회귀(예측)일까요? 약간 헷갈리시나요? 언듯 보면 포지션을 예측하는거 아닌가요? 라고 할 수도 있습니다. 이번 단원에서는 회귀(예측)과 분류 알고리즘의 차이를 명확히 보고, 분류 알고리즘의 예시와 더 나아가서 규제까지 정리해보겠습니다. 회귀 알고리즘이.. 2024. 1. 12. [1.5주차] 과대적합과 과소적합 과대적합(overfitting)과 과소적합(underfitting)에 대해서는 따로 챕터를 빼서 알아보겠습니다. 내용이 많지는 않은데, 상당히 중요한 내용이라 별도로 분리했습니다. 사실 정의 자체는 각각 1줄이면 끝이에요. 과대적합(overfitting): 훈련 세트 점수 >> 테스트 세트 점수 과소적합(underfitting): 테스트 세트 점수 >> 훈련 세트 점수 혹은 테스트 세트 점수와 훈련 세트 점수가 동시에 낮음 3초면 다 외울 수 있을 정도의 분량입니다. 그런데 왜 중요하냐고요? 과대적합/과소적합이 일어났다는 사실만으로 코딩한 내용 전체를 싹 다 폐기해야 할 수도 있거든요. 과대적합은 마치 모의고사는 99점, 100점이 잘 나오던 친구가 갑자기 수능을 봤더니 60점, 50점을 받아오는 경우고.. 2024. 1. 11. 이전 1 다음 반응형
