<aside> <img src="attachment:94dbaed9-349c-449d-bc43-25de3ae5a780:SpartaIconScale9.png" alt="attachment:94dbaed9-349c-449d-bc43-25de3ae5a780:SpartaIconScale9.png" width="40px" /> 수업 목표

• 분류 모델의 개념 이해
• 다양한 산업 분야 적용 사례 습득
• 분류 모델 평가 지표 활용 능력 </aside>

<aside> <img src="attachment:393cd135-1603-4797-8fa6-42abcfedd782:SpartaIconS24.png" alt="attachment:393cd135-1603-4797-8fa6-42abcfedd782:SpartaIconS24.png" width="40px" />

목차

</aside>

<aside> <img src="attachment:11965e36-5cde-4d10-b470-06dfbe247327:scc%E1%84%8F%E1%85%A2%E1%84%85%E1%85%B5%E1%86%A8%E1%84%90%E1%85%A5_%E1%84%8B%E1%85%A1%E1%84%92%E1%85%A1_280x280.png" alt="attachment:11965e36-5cde-4d10-b470-06dfbe247327:scc%E1%84%8F%E1%85%A2%E1%84%85%E1%85%B5%E1%86%A8%E1%84%90%E1%85%A5_%E1%84%8B%E1%85%A1%E1%84%92%E1%85%A1_280x280.png" width="40px" /> 필수 프로그램 설치

✅ Google Chrome

</aside>

이번에 배울 것

<aside> ❗

분류 모델의 원리를 이해하고, 금융·헬스케어·제조업 등 다양한 실제 사례와 평가 방법을 종합적으로 익혀, 실무에 효과적으로 적용할 수 있습니다!

</aside>

1. 분류 모델 개요

지도학습이란?

<aside>

• 입력 데이터(특징, Feature)와 정답(Label)이 주어졌을 때, 모델이 정답을 예측하도록 학습하는 방식.
• 회귀(연속값 예측)와 분류(범주 예측)의 차이점? </aside>

분류(Classification)의 정의

<aside>

• 분류의 목적

  • 데이터가 어느 범주(클래스)에 속하는지 예측.
  • ex) 스팸 메일 분류(스팸/정상), 질병 여부(양성/음성), 제조 공정 품질(불량/정상) 등.

• 분류 문제를 해결하기 위해 자주 활용되는 알고리즘 : Logistic Regression, SVM </aside>

분류 모델이 많이 쓰이는 이유

<aside> 1️⃣

이진 분류(양성/음성, 합격/불합격, 정상/불량 등)는 직관적이고 다양한 산업에서 필요함.

</aside>

<aside> 2️⃣

데이터 분석에서 가장 먼저 접하는 모델 중 하나.

</aside>