짧은 요약 :

어느 정도가 베이직한 것인 지는 모르겠지만  
복습 겸 정리가 좀 필요할 것 같아 적어봅니다.  

분류 알고리즘

*Linear Regression
-선형식/로지스틱식 파라미터 학습하여 분류
**장: 학습속도/예측속도 빠름, 예측을 수식을 통해 파악 가능
**단: 선형 또는 로지스틱 함수로 국한됨

*Deep Neural Network
-다층 모델의 파라미터 학습하여 분류
**장: 비선형 관계 학습, 데이터의 잠재적 feature 파악가능
**단: 많은 데이터 필요, 높은 컴퓨팅 파워 요구, 예측이 블랙박스

*Support Vector Machine
-하이퍼플레인(데이터 가르는 척도)과 서포트벡터(하이퍼플레인과 마진만큼 거리가짐)를 척도로 분류
**장: 많은 feature 처리 가능
**단: 분류가 많아지면 각 분류마다 SVM 계산해줘야해서 계산량 등 많아짐

*K-Nearest Neighbor
-거리 기반으로 분류
**장: 이해하가 쉬움, 튜닝 적어도 성능 괜춘
**단: 데이터가 커지면 예측 속도 느려짐, 많은 특성(feature) 처리 능력은 부족