해피러너의 Ns

k-NN: k-Nearest Neighbors - 수치형 데이터 뿐만 아니라 명목형 변수 등의 유형에도 적용 가능 - k가 작을수록 -> higher variance (less stable) - k가 클수록 -> higher bias (less precise) - [장점] 훈련단계 필요 없음(only inference step) / target function의 복잡성은 중요하지 않음 / 정보 손실 없음 - [단점] * 훈련데이터가 imbalanced할 경우, 다수클래스가 거의 차지 * 모든 데이터를 가지고 학습하기 때문에 메모리 비용 * Affected by local structure of training data * 모든 훈련 데이터들끼리의 거리를 계산해야 해 시간과 비용이 많이 듦 (Computa..