[AI / 데이터분석] 지도학습 - 회귀분석과 분류분석

 

머신러닝의 분류

 

• 지도 학습 ( Supervised Learning )  : 문제와 정답을 모두 알려주고 공부시키는 방법
• 비지도 학습 ( Unsupervised Learning )  : 답을 가르쳐주지 않고 공부시키는 방법
• 강화 학습 ( Reinforcement Learning ) : 보상을 최대화하는 방향으로 행동을 결정하고 학습하는 방법

 

https://busy.org/@urobotics/5bksow

 

 

지도학습  ( Supervised Learning ) 

 

지도학습은 정답을 알려주고 학습시키는 방법입니다. 예를 들어 위의 사진과 같이 코끼리와 기린을 분류한다고 가정한다면 코끼리 (input data) 사진은 코끼리 (label data) 임을 알려주고 학습하는 방법입니다.

지도학습은 크게 회귀 (Regression) 과 분류 ( Classfication) 로 나뉩니다.

https://opentutorials.org/module/4916/28942

 

회귀분석  ( Regression ) 

 

 

• 데이터들의 특징(feature)을 토대로 연속적인 값을 예측.
• ex) 과거의 주가 데이터를 가지고 미래 주가를 예측, 자동차 배기량이나 연식 등 중고차 정보를 이용하여 가격 예측.

 

 

분류  ( Classification ) -  이진 분류 , 다중 분류

• 종류를 예측
• 0 또는 1 중에 선택하는 이진분류 (binary classfication) , 3개 이상의 클래스 중 하나를 선택하는 다중분류 ( multi classfication) 존재

 

이진분류 (binary classfication)

 

https://wikidocs.net/41558

• 두가지 범주 중 하나로 분류
• 주로, 참(True) 또는 거짓(False)을 판별하는데 사용, 출력값이 하나
• sigmoid 함수를 이용하여 0과 1을 가공
• ex )  스팸 메일인지 아닌지 판단, 특정 질병의 유무 판단

 

 

다중분류 (Multiclass classfication)

 

https://yhyun225.tistory.com/14

•  타깃의 종류가 여러 개이기 때문에 출력 값도 여러개 , 각 각의 출력값은 타깃과 매칭될 확률
•  softmax 함수를 사용
•  one-hot encoding 기법 사용.

 

 

회귀분석 분류분석 정리 

 

구분	회귀분석	분류
		이진분류	다중분류
평가지표 Loss	mse, mae R2	Binary_Crossentropy accuracy	Categorical_Crossentropy accuracy
Last Layer Activation	Default (Linear)	Sigmoid	Softmax
Last Layer node의 갯수	1이상	1	y레벨의 수만
Metrics	mse, mae	mse, mae + acc	mse, mae + acc
One Hot Encoding	X	X	O

 

 

---

 

REFERENCE

• https://opentutorials.org/module/4916/28942
• https://yhyun225.tistory.com/14