결측값 지표는 대치(imputation) 이전에 해당 레코드에 결측값이 있었다는 점을 상기시켜 줍니다.
왜 이 지표를 모델의 예측 변수로 포함하는 것이 종종 유용할까요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
kNN 알고리즘은 말 그대로 "예시로부터 학습"하기 때문에, Supervised Machine Learning을 이해하기 시작하기에 제격입니다. 이 장에서는 자율주행 차량의 도로 표지판 인식 문제에 kNN을 적용해 보면서 분류의 개념을 소개합니다.
나이브 베이즈는 통계학의 원리를 활용해 예측을 수행합니다. 이 장에서는 베이지안 방법의 기초를 소개하고, 이를 iPhone과 유사한 목적지 추천에 적용하는 과정을 살펴봅니다.
로지스틱 회귀는 수치형 데이터에 곡선을 적합해 이진 사건을 예측합니다. 가장 널리 쓰이는 Machine Learning 방법 중 하나로, 이 장에서는 기법의 개요를 제공하고 모금 데이터에 적용하는 예를 통해 설명합니다.
현재 연습
분류 트리는 의사결정도와 같은 구조를 사용해 결정을 내립니다. 트리 구조는 사람이 이해하기 쉬워 대출 승인처럼 투명성이 필요한 경우에 유용합니다. 이 시나리오를 모사하기 위해 Lending Club 데이터셋을 사용하겠습니다.
