머신러닝 - 회귀(Regression) VS 분류(Classification)

지도 학습의 종류에는 회귀(Regression)와 분류(Classification)가 있다고 했습니다. 이 둘은 비슷한 개념이지만 서로 다른 종류의 출력값을 내놓는 모델을 학습하는 데에 차이를 두고 있습니다.


먼저 우리가 사용하는 데이터는 이산적인(Discrete) 값을 갖는 데이터이거나 연속적인(Continuous) 값을 갖는 데이터 입니다. 어떤 데이터가 이산적인 값을 갖는다고 하는 것은 값이 연속적으로 분포하지 않는다는 것이고, 그 외의 경우는 연속적인 값을 갖는다고 합니다.


예를 들어 키, 몸무게, 비가 올 확률 등은 연속적인 데이터이고 물건의 상표명, 동물의 종류, 비가 왔는지 유무 등은 이산적인 데이터라고 할 수 있습니다.


회귀 모델은 예측값으로 연속적인 값을 출력하고, 분류 모델은 예측값으로 이산적인 값을 출력합니다.


어떤 사람의 키와 몸무게를 데이터로 얻어 그 사람의 허리 둘레를 예측하는 모델은 회귀 모델이고,
입력으로 받은 사진이 어떤 동물인지 종류를 예측하는 모델은 분류 모델입니다.


다음 포스팅에서는 회귀 모델 중 하나인 선형 회귀(Linear Regression) 모델에 대해 정리해보겠습니다. 그리고 선형 회귀 모델에서 어떤 방식으로 경사하강법이 적용되는지 직접 살펴보도록 하겠습니다.