지도 학습 치트시트
Rickie Park 에 의해 번역됨 (partial)
지도 학습 소개
일련의 데이터 포인트 $\{x^{(1)}, ..., x^{(m)}\}$와 연관된 출력 $\{y^{(1)}, ..., y^{(m)}\}$이 주어졌을 때 분류기가 $x$로부터 $y$를 예측하는 방법을 학습합니다.
예측의 종류 예측 모델의 종류가 아래 표에 정리되어 있습니다:
회귀 | 분류 | |
출력 | 연속 | 클래스 |
샘플 | 선형 회귀 | 로지스틱 회귀, SVM, 나이브 베이즈 |
모델의 종류 모델의 종류가 아래 표에 정리되어 있습니다:
판별 모델 | 생성 모델 | |
목표 | 직접 $P(y|x)$를 추정 | $P(x|y)$를 추정하여 $P(y|x)$를 추론하기 |
학습하는 것 | 결정 경계 | 데이터의 확률 분포 |
그림 | ||
예 | 회귀, SVMs | GDA, 나이브 베이즈 |
표기법과 일반 개념
가설 가설은 $h_\theta$로 표시하며 선택한 하나의 모델입니다. 입력 데이터 $x^{(i)}$에 대한 모델의 예측 출력은 $h_\theta(x^{(i)})$가 됩니다.
You can help us translating the rest of the Supervised Learning cheatsheet on GitHub!