지도 학습 치트시트

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:

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!