선형 회귀, 결정 트리, 랜덤 포레스트, 신경망의 예측 방식을 비교합니다. — 8개 항목
입력의 가중합으로 연속적인 값을 예측한다.
특성의 가중합을 확률로 바꿔 이진 분류한다.
특성에 대한 질문을 반복해 데이터를 작은 영역으로 나눈다.
서로 다른 결정 트리를 여럿 학습해 예측을 합친다.
새 점에서 가장 가까운 k개 표본을 찾아 예측한다.
여러 층의 가중합과 비선형 변환을 연결해 입력에서 출력을 계산한다.
한 위치를 해석할 때 다른 위치의 정보를 가중해 모은다.
점수를 확률 분포로 바꿀 때 분포가 뾰족할 정도를 조절한다.
