머신 러닝 회귀 용어 정리해드려요

작동 방식 회귀 머신러닝에서 회귀는 임의의 수치를 예측하는 문제입니다 따라서 타깃 값도 임의의 수치가 됩니다 K 최근접 이웃 회귀 이웃 알고리즘을 사용해 회귀 문제를 풉니다 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타깃 값을 평균하여 예측으로 삼습니다 결정 계수 대표적인 회귀 문제의 성능 측정 도구입니다 이래 가까울수록 좋고 영에 가깝다면 성능이 나쁜 모델입니다 과대적합 과대 적합은 모델의 훈련 세트 성능이 테스트 세트 성능보다 훨씬 높을 때 일어납니다 모델이 훈련 세트에 너무 집착해서 데이터에 내재된 거시적인 패턴을 감지하지 못합니다 과소 적합은 이와 반대입니다 훈련 세트와 테스트 세트 성능이 모두 동일하게 낮거나 테스트 세트 성능이 오히려 더 높을 때 일어납니다 이런 경우 더 복잡한 모델을 사용해 훈련 세트에 잘 맞는 모델을 만들어야 합니다...

원문링크 : 머신 러닝 회귀 용어 정리해드려요