로지스틱 회귀 선형 회귀처럼 입력값의 선형 결합을 취하지만, 결과를 0~1 사이의 확률로 변환하기 위해 로지스틱 함수를 사용 장점계산이 빠르고 구현이 간단결과 해석이 용이(회귀 계수로 각 변수의 영향도 해석 가능)단점 복잡한 비선형 패턴을 학습하기엔 한계가 있음 SVM데이터를 가장 잘(안전 여유공간을 크게) 구분하는 경계를 찾는 알고리즘 장점차원이 높은 데이터에서도 좋은 성능을 보일 수 있음결정 경계를 명확하게 찾는 경우, 예측 성능이 우수함결정경계란? → SVM이 찾은 최적의 분류선단점파라미터(C, 커널 종류 등)를 적절히 찾아야 하므로 튜닝 비용이 큼대규모 데이터 세트에 대해서는 학습 속도가 느릴 수 있음 산업별 적용 사례금융1. 사기 거래 탐지2. 대출 상환 가능성 예측 헬스케어1. 질병 진단2. ..
