종류

회귀 분석 모델: 다양한 특성들을 입력으로 받아 각 항목에 대한 평균 별점을 예측하는데 사용.
1. 타깃 벡터가 수치형일 때 유용하게 사용 가능, 해석 용이
2. 특성의 모든 조합에 대해 교차항을 만들어 모델 향상 가능
의사 결정 트리 또는 랜덤 포레스트: 다양한 특성들 간의 관계를 이해하고 각 항목에 대한 별점을 예측.
1. 일련의 결정 규칙이 연결된 결정 트리로 이해가 쉬운 모델 생성 가능
2. 과대적합을 해결하기 위해 랜덤 포레스트를 활용
  
  ⇒ 앙상블 모델: 여러 모델을 조합하여 예측의 정확도를 향상.
신경망 모델: 복잡한 패턴을 학습하고 예측.
KNN(K-최근접 이웃): 주어진 데이터 포인트 주변의 이웃들을 고려하여 예측을 수행해, 입력 데이터와 가장 가까운 이웃들의 값을 활용하여 값을 예측.
1. 특성을 같은 스케일을 갖도록 변환하는 것이 중요

Automl

Untitled

4가지 모델부터 다른 모델들을 학습시키면서 최적의 모델을 직접 찾아볼 예정
모델링은 데이터 전처리가 완료되는 대로 시도하게 되며, 일단 모델이 결정되면 하이퍼 파라미터 튜닝 등의 과정까지도 AutoML이 빠르고 편리하게 제공해주기 때문에 이를 사용할 예정