Differences

This shows you the differences between two versions of the page.

--- 머신러닝:k-최근접이웃 [2025/10/02 11:55] – created masteraccount
+++ 머신러닝:k-최근접이웃 [2025/10/02 11:59] (current) – masteraccount
@@ Line 5: / Line 5: @@
 좌표계 위에 데이터들을 뿌리고, 새로운 데이터가 들어왔을 때 그 주변에 있는 **k개**의 데이터들이 무엇인지에 따라 새로운 데이터의 정체를 파악(분류)하는 방법.
-----
-=== KNN 동작 방식 (이미지 예시) ===
+====장단점====
+^ 장점 (Pros) ^ 단점 (Cons) ^
+|   모델이 매우 단순하고 직관적이라 이해하기 쉽다. |   데이터가 많아질수록 예측 속도가 매우 느려짐. (모든 데이터와의 거리 계산 필요) |
+|   별도의 **훈련(Training) 과정이 없어** 빠름. (데이터를 저장하는 것이 전부) |   예측에 모든 데이터를 사용하므로 **메모리 사용량이 많다.** |
+|   데이터 분포에 대한 가정을 하지 않아 유연. (비모수 모델) |   데이터의 **단위(Scale)에 큰 영향**을 받으므로, 데이터 전처리(Scaling)가 필수적. |
+|   분류와 회귀 문제에 모두 쉽게 적용 가능. |   최적의 **이웃 수(k)**를 찾는 것이 중요하며, k값에 따라 결과가 달라짐. |
+==== KNN 동작 방식 (이미지 예시) ====
 {{https://upload.wikimedia.org/wikipedia/commons/e/e7/KnnClassification.svg?width=300|KNN 동작 방식 예시}}