딥러닝 용어 정리, Classification 과 Regression 설명
이 글은 제가 공부한 내용을 하나씩 정리하는 글입니다. 주로 제 기준에서 기초적인, 제가 까먹지 않을 만한 부분은 자세하게 쓰지 않습니다. 이러한 부분은 틈틈이 내용을 추가할 예정입니다. 예를들어 이 글의 현재 버전에서는 최소제곱법의 계산 방법등은 기술하지 않았습니다.
내용 중 잘못된 부분이 있다면 지적해주시길 부탁드립니다. 감사합니다.
기계학습 문제는 Classification(분류) 와 Regression(회귀) 로 나뉩니다.
Classification(분류)
Classification 은 이전 글인 딥러닝 용어 정리에 나름 잘 정리되어 있다고 생각합니다. Image classification 을 예로 들어 간단히 한줄로 요약하면 Image 안에 존재하는 객체 Object 의 종류를 구분하는 것입니다.
Regression(회귀)
Regression 은 Classification 과 다르게, 입력 데이터에 대한 연속적인 수치를 예측하는 것입니다. 예를들어 사람의 신체 정보에 대한 입력이 주어졌을 때 대상의 몸무게를 예측하는 모델이 Regression 모델이라고 할 수 있습니다. 특정 지역의 부동산 매매 가격을 예측하는 모델이나, 주어진 경로에 대한 택시비를 예측하는 것들도 전부 Regression 모델입니다.
출처[1]
가로축의 독립변수 x와 세로축의 종속변수 y를 가진 선형 회귀의 예입니다. 주어진 데이터(빨간 점)을 토대로 회귀선(파란 선)을 추정하고, 특정 독립변수 x 가 주어지면 회귀선 위에서 f(x) 를 예측합니다.
회귀선을 구하는데 가장 널리쓰이는 방법은 최소제곱법(Least squares method, 최소자승법)와 최대우도법(Maximum likelihood)가 있습니다.
차후 최소제곱법, 최대우도법에 대한 추가적인 설명 작성 예정.
↓ 이 글이 도움이 되셨다면 왼쪽 하단의 공감을 표시하는 하트를 눌러주세요. 구독해주시면 더욱 좋구요. 감사합니다.
