기초적인 모델들의 특성

기초적인 모델들의 특성들을 표로 나타내었다.

선형/로지스틱 회귀, KNN, Decision Tree, Svm  등.

		선형회귀	로지스틱 회귀	KNN	Decision Tree	SVM
개념		오차를 최소로 하는 직선, 평면	오차를 최소로 하는 직선, 평면 직선을 로지스틱 함수로 변환 (0~1 사이 값)	예측할 데이터와 학습 데이터와의 거리 계산 가장 가까운 k개 이웃의 y값의 평균	정보 전달량 =  부모의 불순도 -자식의 불순도	마진을 최대화하는 결정 경계선
전제조건		Nan 조치 가변수화 Feature들 간 독립	Nan 조치 가변수화 Feature들 간 독립	Nan 조치 가변수화 스케일링	Nan 조치 가변수화	Nan 조치 가변수화 스케일링
성능		변수 선택이 중요! Feature 수와 복잡도가 비례	변수 선택이 중요! Feature 수와 복잡도가 비례	k가 작을수록 복잡 (max = train변수) 거리 계산법에 따라 성능이 달라짐	max_depth가 클 수록 복잡 min_simple_leaf가 작을수록 복잡	C가 클수록 복잡 Gamma가 클수록 복잡 C, Gamma 너무 크면 Overfitting
종류	회귀	O	X	KNN Regressor	O	SVC
	분류	X	O	KNN Classifiar	O	SVR