그림 1-2의 결정 경계로 미래에 수집할 새로운 데이터의 우호 여부를 예측할 수 있다. 새로운 데이터가 결정 경계 왼쪽에 속하면 우호로 분류한다. 반대로 새로운 데이터가 결정 경계 오른쪽에 있다면 적대로 분류한다.
물론 클래스 두 개와 입력 변수 두 개만 사용한 간단한 예제지만, 얼마든지 여러 클래스와 여러 입력 변수로 일반화할 수 있다.
일반적으로 어떤 머신 러닝 알고리즘을 선택하느냐에 따라 결정 경계 유형이 달라진다. 다음은 널리 사용하는 지도 학습 알고리즘이다.
• 신경망(Neural Networks)
• 선형 회귀(Linear Regression)
• 로지스틱 회귀(Logistic Regression)
• 서포트 벡터 머신(Support Vector Machines, SVMs)
• 의사 결정 트리(Decision Trees)
적절한 머신 러닝 알고리즘을 선택하려면 데이터셋의 특성(예: 이미지 또는 숫자)과 풀고자 하는 문제를 잘 고려해야 한다. 이 책에서는 신경망에 집중한다.