머신러닝 알고리즘 종류와 원리(지도, 비지도, 강화 학습)

지도 학습 (Supervised Learning) 1. 선형 회귀 (Linear Regression) 원리: 선형 회귀는 종속 변수와 한 개 이상의 독립 변수 간의 선형 관계를 모델링하는데 사용됩니다. 주어진 데이터 포인트와 선형 함수 사이의 차이를 최소화하는 최적의 선을 찾는 방법입니다. 적용: 연속형 데이터를 예측하거나 변수 간의 관계를 이해하는 데 사용됩니다. 장단점: 장점: 간단하고 이해하기 쉽고 빠르게 실행됩니다. 단점: 데이터의 비선형성을 잘 표현하지 못할 수 있으며, 이상치에 민감할 수 있습니다. 2. 로지스틱 회귀 (Logistic Regression) 원리: 로지스틱 회귀는 이진 분류 문제에서 사용되며, 데이터가 특정 클래스에 속할 확률을 추정하는데 사용됩니다. 로지스틱 함수를 사용하여 확률을 0과 1 사이의 값으로 매핑합니다. 적용: 이진 분류 문제에 적합하며, 예측이 확률적인 경우에 유용합니다. 장단점: 장점: 단순하고 이해하기 쉽고, 계산 비용이 낮습니다. 단점...