[TIL] 오예은_201215

## 키워드
`Vectorization` `BoW` `DTM` `TF-IDF` `코사인 유사도` `KNN` `wodrd2vec`

## 배운 것
- BoW(Bag-of-Words): 단순히 단어(토큰)의 빈도만 고려하여 벡터화 하는 모델
- TF-IDF(term-frequency inverse-document) -> DTM(Document-Term Matrix; 문서-단어 행렬)로 만들어 중요한 단어 선별
- 코사인 유사도: 두 벡터 간 코사인(cosine) 값을 구해 유사도를 산출
- Knn(K-최근접 이웃법): 가장 가까운 상위 K개의 근접한 데이터의 유사성을 기반으로 분류/추정하는 예측 분석기법
- word2vec: 단어 임베딩 모델(단어 기준 벡터화, cf.BoW-문서 기준 벡터화)

## 느낀 점
- 오늘 배운 내용은 어려운것 같기도 하고 간단한 것 같기도 하다.
- 오늘 과제를 하다 보니 자연어 처리가 정말 다양한 분야에서 활용될 수 있을 것 같아서, 알아두면 나중에 쓸모가 꽤 있을 것 같다.

The issue contains a Korean TIL entry about text vectorization and nearest-neighbor methods, but it names no repository file, test, or requested change. First clarify whether this entry should be added or revised, where TIL content is stored, and what completion should mean.

Written by the indexing model from the issue text.