지도학습은 크게 회귀(regression)와 분류(classification) 두 가지로 나뉩니다. 회귀의 경우 예측하고 싶은 결괏값이 숫자일 때 사용하며, 온실가스 변화에 따른 지구 기온의 변화나 공기 중 평균 습도 변화에 따른 개화 시기 같은 것을 예로 들 수 있습니다. 마치 인과관계를 증명하는 것처럼 보이지만, 그보다는 ‘인과관계가 상정된 모델을 구현한다‘로 보는 것이 맞습니다.
회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
지도학습은 크게 회귀(regression)와 분류(classification) 두 가지로 나뉩니다. 회귀의 경우 예측하고 싶은 결괏값이 숫자일 때 사용하며, 온실가스 변화에 따른 지구 기온의 변화나 공기 중 평균 습도 변화에 따른 개화 시기 같은 것을 예로 들 수 있습니다. 마치 인과관계를 증명하는 것처럼 보이지만, 그보다는 ‘인과관계가 상정된 모델을 구현한다‘로 보는 것이 맞습니다.
분류는 말 그대로 데이터들을 그룹화하여 나누는 것입니다. 이는 예측하고 싶은 결과가 어떤 종류에 가까운지를 알고 싶을 때 사용합니다. 예를 들어, 이메일의 문자열을 보고 어떤 메일이 스팸 메일인지 판별하는 모델을 만들 때나, X-RAY, MRI 등의 결과를 보고 종양이 양성인지 음성인지를 파악하는 모델을 만들 때에도 사용할 수 있습니다.
한편 데이터 산업에서는 '숫자'라는 표현보다는 '양적'이라는 표현을 더 많이 사용합니다. 얼마나 크고 많은지를 의미하는 데이터라는 뜻입니다. 또한 '이름'보다는 '범주(카테고리)'라는 표현을 사용합니다.
다시 개념을 간단히 정리해 보면 데이터에는 독립변수와 종속변수가 있으며, 이때 예측하고 싶은 종속변수가 숫자(양적 데이터)라면 회귀를 사용하고, 어떤 종류(범주)라면 분류를 사용하게 됩니다.
[쉽게 배우는 AI] 시리즈 보러 가기
<원문>
요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
좋아요
댓글
공유
공유
여기어때에서는 WorkerNode의 AutoScaling 도구로 Karpenter를 사용하고 있습니다. 일반적으로 POD의 수량이 부족한 상황이 되면 HPA에 의해 POD가 Scale out 되며 신규 배포가 수행됩니다. 이때 WorkerNode에 충분한 공간이 있다면 정상적인 배포가 이루어지겠지만 공간이 부족한 상황이라면 POD는 모두 Pending 상태에 빠집니다. 이러한 상황을 해결하기 위해서는 WorkerNode를 Scale out 해주는 과정이 필요한데 이러한 과정을 담당하는 도구가 Karpenter입니다.
지금 회원가입하고,
요즘IT가 PICK한 뉴스레터를 받아보세요!
5.5K
