[ML] 분류와 회귀 문제

FeedForward Neural Network로 기본적인 모델을 설계하기 위해 지도 학습의 대표적인 문제인 분류와 회귀 문제를 정의해 보자

---

분류 문제 Classification

분류 문제는 데이터의 class 또는 category를 예측하는 문제이다.

 

종류

• 이진 분류 (Binary Classification)
  
  • 2개의 클래스로 분류하는 문제 ( 1, 0로 분류할 수 있는 문제)
• 다중 분류 (Multiclass classification)
  • 여러 클래스로 분류하는 문제 ( 1, 0 가지고는 분류할 수 없는 문제)

 

분류 모델을 판별 함수(discriminative function)로 정의하면 모델은 입력 데이터가 속한 클래스를 예측한다. -> 고양이 사진을 넣었을 때 '고양이'라는 클래스를 출력한다.

 

분류 모델을 확률 모델(Stochastic model)로 정의하면 입력 데이터가 각 클래스에 속할 확률을 예측한다. -> 고양이 사진을 넣었을 때 고양이일 확률, 강아지일 확률, 토끼일 확률을 출력한다.

 

확률 모델을 사용하였을 경우 확률로 예측하기 때문에 표현하는 정보가 많아 쓰임이 다양한다.

---

회귀 문제 Regression

회귀 문제는 여러 독립 변수와 종속 변수의 관계를 연속 함수의 형태로 분석하는 문제이다.

---

ex) 방의 개수, 면적, 집 종류, 역과의 거리 데이터를 이용하여 집 값을 예측하는 문제

 

예측값이 숫자형 데이터면 회귀 문제이다. 

• 주가 및 경제 트렌드를 예측하는 문제
• 상품의 수요와 공급량을 예측하는 문제
• 로봇을 중심으로 주변에 보이는 사물의 위치와 거리를 추정하는 문제 등