[IMLP] Chapter 2. 지도 학습 (1)

본 글은 2.1, 2.2까지 정리한 내용!

챕터가 길어서 주요 내용끼리 묶어서 정리할 예정

 

[분류와 회귀]

#. 분류

- 미리 정의된, 가능서 ㅇ있는 여러 클래스 레이블 중 하나를 예측

- 이진 분류(binary) 혹은 다중 분류(multiclass)

- 답은 예/아니오

- 예시: 스팸 분류

 

#. 회귀

- 부동소수점수를 예측

- 예시: 연간 소득 예측

 

#. 출력값에 연속성이 있는지로 회귀/분류 구분 가능

 

[일반화, 과대적합, 과소적합]

#. 일반화(generatlization)

: 모델이 처음 보는 데이터에 대해 정확하게 예측 가능

 

#. 과적합(overfitting)

: 가진 정보를 모두 사용해서 복잡한 모델을 만드는 것

 

#. 과소적합(underfitting)

: 데이터의 면면과 다양성을 잡아내지 못하고 훈련 세트에도 잘 맞지 않는, 너무 간단한 모델

 

#. 예제

-> 익숙하지 않은 function 정리 1: np.bincount()

print("클래스별 샘플 개수:\n{}".format({n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}))