기본적인 Machine Learning의 용어와 개념 설명
출처
오늘 배울 것
기본 개념
- ML = Machine Learning
- 이런거 얘기할 것
머신러닝은 뭐지?
- 머신러닝은 소프트웨어
- 일반적인 소프트웨어는 입력을 하면 입력을 기반으로 데이터를 보여주는데 이러한 프로그램을 explit programming이라 함
- explit programming은 Smap filter로 스팸메일인지 아닌지 파악하기가 힘듦
- 1959 Arthur라는 사람이 자료에서 배우면 어떨까 하는 생각을 냄 –> 머신러닝
- 즉 머신러닝은 프로그램이 데이터로 학습하는 것
지도/비지도 학습
- 학습하는 방법에 따라서 지도/비지도로 나뉘어짐
- 지도는 정해져있는 labeled된 데이터로 학습하는 것
지도 학습의 예
- 이미지를 주어주고 개인지 고양이인지 파악하는 것도 지도 학습
- 개, 고양이로 labeled된 이미지를 주고 가르쳐준 것
비지도 학습은 뭐지?
- 요즘엔 서비스 중단한 구글 뉴스는 유사한 것들끼리 기사를 모아놓았음
- 비슷한 단어들끼리 모아놓는 것
- 위 사례는 전부 labeled가 된 데이터가 아니고 데이터를 가지고 학습한 것으로 비지도 학습
강의에선 지도 학습을 주로 다룰 것
- 이미지 라벨링, 이메일 스팸 필터, 시험 성적 예상
- 위 사례는 전부 지도 학습의 예
지도 학습에서 사용하는 데이터
- 미리 트레이닝 시켜 놓고 로 물어볼 때 답을 내는 것
- 이러한 트레이닝을 해주는 데이터를 트레이닝 데이터 셋이라 함
알파고도 마찬가지
지도 학습의 유형
- 시간을 사용한 것에 기반해서 시험의 성적을 예측하는 시스템은 0점에서 100점까지 범위가 넓어 regression이라 함
- 시험 성적이 점수가 아니라 pass/non-pass라면 binary classification이라 함
- 시간을 사용한 것에 기반해서 A, B, C, D and F로 학점을 주려고 할 때 성적을 주려고 하면 레이블이 많아 multi-label classification이라 함
regression의 예
- 10시간 공부했더니 90점
- 9시간 공부했더니 80점와 같은 표를 이용해 학습을 함
- 어떤 사람이 7시간 공부하면 점수는 몇 점일까라고 물으면 대충 75점 정도 받겠다라고 예측함
Pass/non-pass의 예
- P/F는 classification –> binary classfication이라 할 수 있음
Multi-label classfication의 예
다음에 또 만나요
Comments