ML.md

머신 러닝(Machine Learning)

여러분 중에는 아마 딥러닝을 모든 문제를 간단히 해결해 줄 수 있는 마법 정도로 생각하시는 분들도 있으리라 생각합니다.
하지만 이것은 잘못된 생각 입니다. 확실히 딥러닝은 적절한 조건에서의 응용으로 마법같은 성능을 보여줄 수 있습니다.
때로는 딥러닝을 적용하기에 데이터가 충분히 존재하지 않거나, 다른 알고리즘이 문제를 더 잘 해결해주는 경우도 많습니다.
편협한 시각을 가지지 않는 가장 좋은 방법은 다른 머신 러닝 기법들을 배우고 연습하는 것입니다.

머신 러닝과 관련된 알고리즘과 기법은 수없이 많지만 여기선 핵심적인 몇 가지만 다루려고 합니다.

1. Generalized Linear Model (일반화 선형 모델, GLM)

2. Decision Tree (의사 결정 트리)

3. Random Forests (랜덤 포레스트)

4. Support Vector Machine (서포트 벡터 머신, SVM)

5. Gradient Boosting Machine (점진적 부스팅 머신, GBM)

6. Clustering (클러스터링)

일부 기법이 다른 기법에 비해 일반적으로 좋은 성능을 보이는 경우도 많지만, 특정 상황에서 어떠한 문제를 가장 잘 해결하는 기법을 알기는 힘듭니다. 따라서 많은 데이터과학자들은 다양한 기법을 시도한 후 최적의 모델을 선택합니다.