작성자: admin 작성일시: 2016-08-29 11:43:20 조회수: 1484 다운로드: 114
카테고리: 머신 러닝 태그목록:

데이터 분석 가이드맵

질문/덧글

예측하려는 데이터의 값의 크기 비교 가능 여부 moon*** 2016년 10월 11일 1:50 오후

예측하려는 데이터의 값의 크기 비교 가능 여부에 따라 회귀분석과 분류로 나누어진다고 하셨는데

분류도 결국 값의 크기를 비교하는 것은 아닌지 궁금합니다.

예를들어 Iris 데이터를 분류한다고 했을 때 분류의 결과값으로

virginica가 나온다면 그 과정에서

setosa일 확률 30% , versicolor일 확률 40%, virginica일 확률 90% 이기 때문에 virginica 이다! 라고 결론 내리는 것이라면

이또한 데이터 값의 크기를 비교하는 것 아닌가 궁금합니다.

혹시 저렇게 카테고리별로 확률을 계산하는 것은 아닌가요?

답변: 예측하려는 데이터의 값의 크기 비교 가능 여부 관리자 2016년 10월 12일 7:08 오후

쓰신대로 카테고리 값의 확률은 비교하지만 카테고리 값 자체를 비교하지는 않습니다.
카테고리 값은 비교가 불가능한 값이기 때문에 연산의 정의가 되지 않아 확률을 비교하는 것입니다.

답변: 답변: 예측하려는 데이터의 값의 크기 비교 가능 여부 moon*** 2016년 10월 12일 9:41 오후

그렇다면 딥러닝을 꼭 분류모형에만 써야 하는 이유는 무엇인가요?

예측하고자 하는 데이터의 값의 크기를 비교할 수 있는 경우에는 사용을 못하는 것인가요?

답변: 답변: 답변: 예측하려는 데이터의 값의 크기 비교 가능 여부 관리자 2016년 10월 12일 9:50 오후

딥러닝은 분류모형에만 쓰지 않습니다. 회귀분석에도 사용됩니다. 이 도표는 초심자를 위한 가이드라인일 뿐이며 완벽하게 모든 경우를 다루지는 않습니다.

딥러닝의 사용예시 engk*** 2017년 3월 30일 7:19 오후

사실 딥러닝의 경우는 위에 존재하는 모든 경우에서 사용될 수 있는게 맞나요?

답변: 딥러닝의 사용예시 관리자 2017년 4월 11일 9:42 오후

네, 비선형 관계가 아니면 굳이 딥러닝까지 가지 않아도 유용한 모형을 구할 수 있다는 의미입니다.