prediction 예측과 inference 추론의 차이
개요
머신러닝을 공부하기 시작할 때 접하는 두 가지 개념이 있습니다.
예측과 추론인데요, 이 두 개념의 차이에 대해 명확히 이해해 보겠습니다.
예측과 추론
머신러닝에서의
- 예측은 '결과'를 중점으로 아는 것
- 추론은 원인과 결과의 '인과관계'를 중점으로 아는 것
으로 설명할 수 있습니다.
모델을 선택하는 기준
내가 머신러닝을 하는 목적이 예측인지 추론인지에 따라 적절한 모델을 선택할 수 있습니다.
내가 원하는 것이 무엇인지에 따라 머신러닝 모델이 달라집니다.
내가 예측을 하고 싶을 때 이해 가능성(Interpretability)이 낮은 SVM, Boosting과 같은 모델을 사용하는 것이 유리하며 (굳이 이해 가능성이 높을 필요가 없기에 유연성이 높은 모델을 채택하는 것이 유리), 내가 추론을 하고 싶을 땐 이해 가능성이 높은 선형 회귀 모델을 선택하는 것이 목적에 더 부합합니다.
단, 예측과 추론을 흑백과 같은 이진 개념으로 생각해서는 안됩니다. 만약 예측과 추론이 둘 다 필요할 경우 이해가능성과 유연성이 비슷한 모델을 선택하는 것이 올바른 선택입니다.