2022.03.15 / 20:00

0. 머신 러닝 태초의 정리, 베이즈 정리

Classification의 기본이 된 베이즈 정리를 살짝만 찍먹하고 넘어가보자.

말그대로 A라는 행위가 발생했을 때, B_j 라는 사건이 일어날 조건부 확률을 구하는 식이 바로 베이즈 정리이다. 이 베이즈 정리의 특징은 각 행위에 대한 결과가 ‘독립사건’이라는 것이다. 다시 말하면... 무작위로 두 케이스를 추출했을 때, 겹치는 부분이 없고, 모든 케이스를 합치면 분할(Partittion)의 합이 된다.

더욱 간단히 설명을 하면,

P(A)는 A가 참일 확률, P(¬A)는 A가 거짓일 확률, P(A|B)는 B가 참이라는 조건에서 A가 참일 확률이다.

너무 깊게 들어갈 필요 없고.. Regression과 Classification을 이해를 돕기위해 리마인드해봤다.

1. 분류와 회귀 (Classification & Regression)

분류와 회귀를 가장 극명하게 나타낸 도표 (NDC 2016 기계학습을 활용한 게임어뷰징 검출)

Classification (분류)는 Class를 나누는 것이다.

선과 악, 명과 암, True or False로 구분한다고 생각하면 쉽다.

당연하게도, 지도학습(Supervised learning)의 일종이 된다. 일종의 **명확한 레이블링(Labeling)**인 것!

• 이진 분류 : 클래스를 두 개로 나누는 것

  • 어떤 입력 값에 개인정보가 포함되었는가? P/F
  • 어떤 입력 값에 욕설인가? P/F
  • 어떤 행위가 어뷰징인가? P/F

• 다중 분류 : 클래스를 복수로 나누는 것

  • 어떤 입력 값이 개인정보 중에... 가 존재하는가?
    • 주민등록번호
    • 이름
    • 사용자 ID