머신러닝 이해

1.     머신러닝 이해

1.1  알고리즘이란?

-      어떤 과업을 달성하기 위한 단계

-      대용량의 데이터를 다룰 때 효율성

-      데이터 기반 AI를 개발하기 위한 알고리즘의 종류 : 데이터변환, 사전준비, 처리 알고리즘, 모수 추정을 위한 최적화 알고리즘, 머신러닝 알고리즘

 

1.2  인공지능과 머신러닝

-      인공지능 : 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 (인간모사 시스템)

-      머신러닝 : 컴퓨터가 수많은 데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도출하는 인공지능의 한 분야의 학습법 -> 분류, 예측

-      딥러닝 : 더욱 고도화된 신경망 알고리즘을 적용하여 보다 빠르고 감성적이며 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현한 학습방법 (머신러닝 + 신경망 알고리즘) -> 군집, 연관규칙

 

1.3  머신러닝 알고리즘 분류

 

-      학습데이터에 따른 유형 : 지도학습(학습데이터마다 레이블=목적값을 가지고 있음), 비지도학습(학습데이터가 레이블을 가지고 있지 않음), 준지도학습(학습데이터가 약간의 레이블을 가지고 있음), 강화학습(목적값을 주지 않고 False/True에 따라 Reword/Panalty를 부여)

-      모델 표현 방법에 따른 유형 : 의사결정트리(기호주의자, 귀납적추론, 철학과 심리학, 논리학에서 아이디어를 얻음), 신경망 기반(연결주의자, 두뇌를 분석하고 모방하며 신경과학과 물리학에서 영감을 얻음), KNN, 서포트 벡터 머신(유추주의자, 유사성 판단을 근거로 추정하면서 배우며 심리학과 수학적 최적화의 영향을 받음), 베이지안 모델(베이즈주의자, 학습이 확률 추론의 한 형태라고 믿으며 통계학에 뿌리를 두고 있음), 유전 알고리즘(진화주의자, 컴퓨터에서 진화를 모의시험하며 유전학과 진화생물학에 의존), 모델 앙상블

 

1.4  머신러닝 학습방법(지도/비지도/강화)

-      지도학습 : 학습 데이터(Training Data)와 원하는 결과가 표시된 데이터(Labeled Data)를 이용한 기계학습 방법

 

-      비지도학습 : 지도학습과 달리 결과를 예측한 데이터(Labeled Data)없이 학습 데이터(Training Data)만을 이용하여 학습하는 기계학습 방법

 

-      강화학습 : 학습에 대한 결과를 보상을 통해 자신의 지식을 키워 나가는 학습법, 보상이 학습에 유리한 경우 채택하고 그렇지 않으면 채택하지 않음

-      머신러닝 학습방법 요약 및 정리

 

1.5  머신러닝 알고리즘 선택

 

1.6  머신러닝 알고리즘 평가

 

-----------------------------------------------------------------------------------------------------------

머신러닝 요약 정리 (지도학습 / 비지도 학습)

간단한 문제 

- 다음은 어떤 문제일까요?

1. 붓꽃 품종을 예측해보세요. -> 분류
2. 다음 분기 매출을 예측해보세요.  -> 예측
3. 와인의 품종을 예측해보세요.  -> 분류
4. 주어진 데이터를 세 그룹으로 분류해보세요.  -> 분류 or 군집
5. 이 환자는 당뇨인지 아닌지 판단해보세요.  -> 분류
6. 이 사람은 폐암환자인지 아닌지 예측해보세요. -> 분류
7. 대전 아파트 값을 예측해보세요.  -> 예측
8. 신용카드 거래 데이터를 기반으로 대출 한도액을 설정하세요.  -> 예측

답은 스크롤!!