Machine Learning

용어를 먼저 이해하고 들어가자 먼저, 귤이 맛있는 귤인지, 이게 맛없는 귤인지 알아보는 시간을 갖자. 품종에 관계 없이 귤이 초록색이면 당연히 시다고 예측할 것이다. 색깔이 초록 ~ 노랑 / 껍질이 얇음 ~ 두꺼움 -> 대충 이렇게 나눌수 있는데 이런 데이터의 집합을 data set 각 데이터는 하나의 사물, 대상 (여기선 귤)에 대한 묘사 = instance, sample

껍질, 색깔 -> 사물의 특정 부분(성질)을 반영하는 것은 attribute,feature

초록 ~ 노랑까지 취할 수 있는 속성의 집합을 attribute value $\Downarrow$ attribute space로 확장하며, 확장된 공간을 sample space,입력 공간이라고 한다.

예를 들어 "껍질","색깔","꼭지 모양" 이 속성을 3D 좌표 공간으로 뿌리면, 모든 귤을 해당 공간에서 자신만의 좌표를 가지게 되고, 공간의 각 점은 하나의 좌표 벡터에 상응하기 때문에 이를 feature vector:특성 벡터라고 한다.