5주차 TIL - 예측 알고리즘이 뭐여?

예측 알고리즘의 핵심 개념

1. 입력 데이터
   • 과거의 기록된 데이터(예: 생산량, 온도, 습도, 품질 검사 결과 등)가 필요합니다.
2. 패턴 학습
   • 입력 데이터를 분석해 데이터의 패턴, 추세, 상관관계를 찾습니다.
3. 출력 결과
   • 학습된 패턴을 기반으로 미래 데이터를 예측하거나 특정 조건 하에서의 결과를 추정합니다.

---

주요 예측 알고리즘 종류

1. 통계적 알고리즘
   • 선형 회귀 (Linear Regression):
     • 독립 변수와 종속 변수 간의 선형 관계를 기반으로 결과를 예측.
   • ARIMA (Autoregressive Integrated Moving Average):
     • 시계열 데이터(시간에 따라 변화하는 데이터) 예측에 사용.
     • 예: 제품 수요 예측, 판매량 추정.
   • 로지스틱 회귀 (Logistic Regression):
     • 이진 분류 문제(성공/실패 등)에 사용되며, 확률을 기반으로 예측.
2. 기계 학습 알고리즘
   • 의사결정 나무 (Decision Tree):
     • 데이터의 조건과 규칙을 기반으로 예측.
   • 랜덤 포레스트 (Random Forest):
     • 여러 의사결정 나무를 결합하여 예측의 정확성을 높임.
   • 서포트 벡터 머신 (SVM):
     • 데이터를 분류하거나 회귀 문제를 해결.
   • KNN (K-Nearest Neighbors):
     • 주변 데이터 포인트와의 거리를 기반으로 결과 예측.
3. 딥러닝 알고리즘
   • 인공 신경망 (Artificial Neural Networks):
     • 복잡한 비선형 관계를 학습해 고도화된 예측.
   • 순환 신경망 (RNN):
     • 시계열 데이터와 같이 순차적 패턴을 학습.
   • LSTM (Long Short-Term Memory):
     • RNN의 확장형으로, 장기적 의존성을 고려한 예측.
4. 확률 기반 알고리즘
   • 베이지안 네트워크 (Bayesian Network):
     • 확률적 관계를 기반으로 사건 간의 상호 의존성을 분석.