[ML(머신러닝)] 머신러닝 기초
1. 용어정리
- 머신러닝(machine learning) : 기계가 패턴을 학습하여 자동화하는 알고리즘
- 알고리즘(algorithms) : 어떠한 문제를 해결하기 위한 일련의 절차나 방법
- Clustering : 군집
2. 머신러닝? 딥러닝?
머신러닝(machine learning) : 데이터를 컴퓨터에 학습시켜 그 패턴과 규칙을 컴퓨터가 스스로 학습하도록 만 드는 기술
딥러닝(deep learning) : 머신러닝 기법 중 신경망(neural network)을 기반으로 사물이나 데이터를 군집화하거나
분류하는 데 사용하는 기술
3. 머신러닝 학습의 종류
지도학습(supervised learning) : 문제와 답을 함께 학습
비지도학습(unsupervised learning) : 조력자의 도움 없 이 컴퓨터 스스로 학습. 컴퓨터가 훈련 데이터를 이용하여
데이터들 간의 규칙성을 찾아냄
=> 실제 답(ground truth) 의 존재 여부에 따라 구분
1) 회귀
회귀(regression) : 독립변수 x와 종속변수 y의 관계를 함 수식으로 설명 / 추세선을 표현하는 수학적 모델을 만드는 기법
- y = ax+b ==> x = 문제(독립변수) / y = 정답(종속변수)
2) 분류
분류(classification) : 데이터를 어떤 기준(패턴)에 따라 나눔
- 이진분류(binary classification) : 2개의 값 중 1개를 분류
- 다중분류(multi-class classification) : 3개 이상 분류 실행
3) 군집
▪ 군집(clustering) : 기존에 모여 있던 데이터에 대해 따로 분류 기준을 주지 않고 모델이 스스로 분류 기준을 찾아 집단을
모으는 기법