머신러닝 전통모델들 정리

머신러닝이란 단어는 이제 우리 일상에서도 익숙한 개념이 되었습니다. 하지만 막상 머신러닝을 공부하려고 하면 다양한 알고리즘들이 등장해 어디서부터 시작해야 할지 막막하곤 하죠.

그래서 오늘은 머신러닝의 기초이자 가장 **전통적인 알고리즘 4가지**를 소개합니다. 바로 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression), SVM(Support Vector Machine), 결정 트리(Decision Tree)입니다.

이 모델들은 머신러닝의 입문자뿐만 아니라 실무에서도 여전히 많이 사용되고 있으며, 알고리즘의 핵심 개념을 이해하는 데 큰 도움을 줍니다. 각 알고리즘의 원리, 특징, 사용 예시를 함께 정리해보겠습니다.

📚 목차

• 1. 선형 회귀 (Linear Regression)
  • 1-1. 개요와 원리
  • 1-2. 사용 예시
• 2. 로지스틱 회귀 (Logistic Regression)
  • 2-1. 개요와 원리
  • 2-2. 사용 예시
• 3. 서포트 벡터 머신 (SVM)
  • 3-1. 개요와 원리
  • 3-2. 사용 예시
• 4. 결정 트리 (Decision Tree)
  • 4-1. 개요와 원리
  • 4-2. 사용 예시

---

1. 선형 회귀 (Linear Regression)

1-1. 개요와 원리

선형 회귀는 독립 변수와 종속 변수 간의 선형 관계를 모델링하는 기초적인 회귀 알고리즘입니다. 주어진 데이터를 직선 형태로 가장 잘 설명할 수 있도록 회귀선을 그리며, 이를 통해 연속적인 값을 예측합니다.

1-2. 사용 예시

- 아파트 가격 예측 - 주식 가격 예측 - 날씨(온도) 변화 예측 - 광고비 대비 매출 예측

---

2. 로지스틱 회귀 (Logistic Regression)

2-1. 개요와 원리

로지스틱 회귀는 이진 또는 다중 분류 문제에 적합한 지도 학습 알고리즘입니다. 데이터가 어떤 클래스에 속하는지를 확률로 계산하며, 출력값은 0과 1 사이의 확률로 나타납니다. 핵심은 시그모이드 함수를 사용하여 결과를 이진화한다는 점입니다.

2-2. 사용 예시

- 이메일 스팸 분류 - 질병 진단(양성/음성) - 고객 이탈 예측 - 금융 신용 위험 분류

---

3. 서포트 벡터 머신 (SVM)

3-1. 개요와 원리

SVM(Support Vector Machine)은 두 클래스를 가장 잘 구분하는 결정 경계(초평면)를 찾는 분류 알고리즘입니다. 마진(margin)을 최대로 하는 초평면을 기준으로 데이터를 분리하며, 고차원에서도 효과적으로 작동할 수 있도록 커널 함수를 활용합니다.

3-2. 사용 예시

- 손글씨 숫자 분류 - 얼굴 인식 - 문서 분류 (텍스트 분류) - 유전자 데이터 분석

---

4. 결정 트리 (Decision Tree)

4-1. 개요와 원리

결정 트리는 데이터를 조건에 따라 나누며 트리 형태로 의사결정 규칙을 학습하는 모델입니다. 루트 노드에서 시작해 조건에 따라 분기하며, 최종적으로 리프 노드에서 예측 결과를 도출합니다. 시각적으로 해석이 쉬워 이해도 높은 알고리즘입니다.

4-2. 사용 예시

- 고객 구매 예측 - 대출 승인 여부 판단 - 직원 이직 예측 - 신용 점수 분류