분류 알고리즘 (SVM·KNN·나이브베이즈)

3과목데이터 마이닝

핵심

SVM은 마진 최대화, KNN은 게으른 학습, 나이브베이즈는 조건부 독립 가정입니다.

공식

SVM: 마진 최대화 초평면 (커널로 비선형) KNN: 가까운 k개 다수결, 게으른 학습(거리 기반) 나이브베이즈: 베이즈 정리 + 조건부 독립 가정 로지스틱: 범주형 종속변수 분류 함정: SVM 마진 최소화, KNN 사전 학습, 나이브 상관 전제로 속임

트리거 키워드

SVM서포트벡터머신마진KNN최근접이웃나이브베이즈조건부독립

예시

'변수 간 조건부 독립을 가정하는 분류기는?' → 나이브베이즈

참고 설명

대표적 분류 알고리즘으로 SVM은 두 집단을 나누는 초평면의 마진(여백)을 최대화하고, KNN은 미리 학습하지 않고 예측 시점에 가까운 이웃을 찾는 게으른 학습(lazy learning)이며, 나이브베이즈는 모든 변수가 서로 조건부 독립이라고 가정합니다. ADsP에서는 각 알고리즘의 핵심 특징을 뒤바꿔 출제하므로 SVM=마진 최대화, KNN=게으른 학습, 나이브베이즈=조건부 독립으로 구분하세요.

4개 관련 문항