<aside> 💡 분석 문제 정의 : 어떤 문제를 머신러닝 방법론을 이용해서 해결할 것이냐! 머신러닝 방법론을 기준으로 문제를 정의하는 것.

</aside>

이슈 파악 및 문제 도출

• 문제 이해를 위해 예시를 하나 정의합니다.
• 우리는 식물학자입니다.
• Iris(붓꽃)의 생태계에 대해 연구를 해보려고 합니다.
• 조사를 한 결과, Iris는 3개의 종(*setosa, versicolor, virginica)*이 있다는 것을 확인했습니다.
• 우리는 Iris DB를 구축하려고 합니다.
• 이 DB에는 후대에 Iris를 연구하는 연구자들을 위해 Iris data를 입력하면 어떤 종(species)인지 알려주는 프로그램을 작성하려고 합니다.

Source : Iris setosa

Source : Iris versicolor

Source : Iris virginica

분석 데이터 정의

• 우리는 이 3개의 종에 대한 특징을 기록(저장)하고 싶습니다.
• 어떤 정보들이 필요할까요?

머신러닝 문제 정의

• 정의한 특징들을 기반으로 Iris 데이터를 종별로 나누려고 합니다.
• 어떤 머신러닝 작업(task)들이 있을까요?
• 이 중에서 어떤 task가 우리가 하려는 일에 해당할까요?
  • “분류” & “클러스터링”
• 둘 중에 어떤 방법이 더 좋을까요?
  • 분류! → 성능이 확실하다

베이스라인(baseline) 선정 → 기존 사례 조사

• 우리가 하려는 일을 과거에 한 사례가 있다면, 참고합시다.