
1. ํต๊ณ๊ธฐ์ด 1) ML : ์ง๋ํ์ต(ํ๊ท, ๋ถ๋ฅ) + ๋น์ง๋ํ์ต(๊ตฐ์งํ, ๋ณํ, ์ฐ๊ด) + ๊ฐํํ์ต ๋ ๋ฆฝ๋ณ์, ์ข ์๋ณ์๊ฐ ์กด์ฌํ ๋ - ํ๊ท(Regression) : ์์ธกํ๊ณ ์ถ์ ์ข ์๋ณ์๊ฐ ์ซ์(์์นํ ๋ฐ์ดํฐ)์ผ ๋ ์ฌ์ฉ - ๋ถ๋ฅ(Classification): ์์ธกํ๊ณ ์ถ์ ์ข ์๋ณ์๊ฐ ์ด๋ฆ, ๋ฌธ์์ผ ๋ ์ฌ์ฉ 2) ์ ํํ๊ท : ๋ ๋ฆฝ๋ณ์๋ ์ฌ๋ฌ๊ฐ ๊ฐ๋ฅ, ์ข ์๋ณ์๋ ํ๋๋ง ๋ ๋ฆฝ๋ณ์์ ๋ณํ์ ์ํ ์ข ์๋ณ์์ ๋ณํ๋ฅผ ์ค๋ช ํ๋ ๊ธฐ์ค๋ชจ๋ธ ๋ง๋ค๊ณ , ๊ฐ์ค์น ํ์ต์ผ๋ก fitted ๋ชจ๋ธ ๋ง๋ฆ - X : ๋ ๋ฆฝ๋ณ์ = ์์ธก๋ณ์(Predict) = ์ค๋ช ๋ณ์(Explanatory) = ํน์ฑ(Feature) - y : ์ข ์๋ณ์ = ๋ฐ์๋ณ์(Response) = ๋ ์ด๋ธ(Label) = ํ๊ฒ(Target) โป ๋ ๋ณ์ ๋ชจ๋ ์ฐ์ํ๋ณ..