📁 AI12 #02-2. 지도학습의 종류 - 회귀 회귀(Regression) 회귀란 학습데이터에 부합되는 출력값이 실수인 함수를 찾는 문제이다. Data가 주어졌을 때 함수를 찾아내고 그 함수들을 통해 학습 data에 있지 않았던 입력에 대한 출력을 찾는다. 2020. 5. 4. [Machine Learning] 지도학습의 종류 - 분류 분류(Classification) 분류란 입력 데이터 값을 정해진 몇 개의 부류(Class)로 대응시키는 문제이다. 분류 문제의 학습은 학습 데이터를 잘 분류할 수 있는 함수(수학적 함수, 규칙or패턴)를 찾는 것이다. 함수의 형태는 수학적 함수일 수도 있고 규칙일 수도 있다. 분류기(Classifier)란 학습된 함수를 이용하여 데이터를 분류하는 프로그램이다. 이상적인 분류기는 학습에 사용되지 않은 데이터에 대해서 분류를 잘 하는것으로 일반화(Generalization) 능력이 좋은 것으로 볼 수 있다. 분류기 학습 알고리즘 - 결정트리(decision tree) 알고리즘 - K-근접이웃 (K-nearest neighbor, KNN) 알고리즘 - 다층 퍼셉트론 신경망 - 딥러닝(deep learning.. 2020. 5. 3. [Machine Learning] 지도학습의 개념과 종류 지도학습(Supervised learning) 지도학습이란 주어진 (입력, 출력)에 대한 데이터(=학습 데이터)를 이용하여 새로운 입력이 있을 때 결과를 결정할 수 있도록 하는 방법을 찾아내는 것이다. 지도학습이 종류에는 분류(Classification), 회귀(Regression), 추천이 있다. 분류(Classification) 분류란 입력 데이터 값을 정해진 몇 개의 부류(Class)로 대응시키는 문제이다. 분류 문제의 학습은 학습 데이터를 잘 분류할 수 있는 함수(수학적 함수, 규칙or패턴)를 찾는 것이다. 함수의 형태는 수학적 함수일 수도 있고 규칙일 수도 있다. 분류기(Classifier)란 학습된 함수를 이용하여 데이터를 분류하는 프로그램이다. 회귀(Regression) 회귀란 학습 데이터에.. 2020. 5. 3. [Machine Learning] 비지도학습의 개념과 비지도학습 문제 비지도학습(Unsupervised learning) 비지도학습은 결과정보가 없는 데이터들에 대해서 특정 패턴을 찾는 것을 말한다. 데이터에 잠재한 구조(structure), 계층구조(hierarchy) 를 찾아내는 것, 숨겨진 사용자 집단(hidden user group)을 찾는 것, 문서들을 주제에 따라 구조화하는 것, 로그(log) 정보를 사용하여 사용패턴(usage pattern)을 찾아내는 것이다. 비지도학습의 대상으로는 군집화(Clustering), 밀도 추정(Density estimation), 차원축소(Dimensionality reudction)가 있다. 군집화(Clustering) 군집화란 유사성에 따라 데이터를 분할하는 것을 말한다. 그 예로, 사진관리 시스템이나 영상 분할(segmen.. 2020. 5. 3. [Machine Learning] 기계학습의 의미와 기계학습 종류 기계학습의 정의 기계학습(機械學習, machine learning)의 정의는 '경험을 통해서 나중에 유사하거나 같은 일(task)를 더 효율적으로 처리 할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것' 으로, 컴퓨터가 데이터로부터 특정 문제해결을 위한 지식을 자동으로 추출해서 사용할 수 있게 하는 기술이다. 쉽게 말해서 데이터를 가지고 경험을 통해서 그 일을 나중에 더 잘할 수 있도록 시스템의 구조와 파라미터를 바꾸는 것을 기계학습이라고 한다. 파라미터를 바꾸면 동작이나 행동이 달라지게 되며, 기계학습의 결과로 주어지는 것은 데이터이다. 인공지능, 기계학습, 신경망, 딥러닝의 관계 오컴의 면도날(Occam's razor) 오컴의 면도날(Occam's Razor 또는 Ockham's Razor)은 흔히.. 2020. 5. 3. [Machine Learning] 앙상블 학습(Ensemble Learning), 배깅(Bagging)과 부스팅(Boosting) 앙상블 학습 (Ensemble Learning) 앙상블(Ensemble)이란 프랑스어로 조화를 의미합니다. 어떤 data값을 예측할 때 하나의 모델을 사용하여 예측하는 것 보다 여러 개의 모델을 조화롭게 사용하여 그 모델들을 결합하여 만들어 내는 것이 앙상블 모델의 기본적인 idea라고 볼 수 있습니다. 대중의 지혜(wisdom of crowd)라는 책에서는, "때로는 전문가의 의견을 따르는 것 보다 무작위로 선택된 많은 사람들의 답변이 더 낫다." 라고 말합니다. 이러한 현상을 기계학습(Machine Learning)에 적용을 한 것이 앙상블 학습(Ensemble Learning)입니다. 앙상블 학습은 여러 개의 결정 트리를 결합하여 하나의 결정 트리보다 더 좋은 성능을 내는 기계학습 기법입니다. 예측.. 2020. 4. 4. 이전 1 2 다음
