[Deep learning] Machine Learning

본 글은 https://iai.postech.ac.kr/teaching/deep-learning/ 해당 페이지를 보고 공부한 것을 정리한 내용입니다

 

머신러닝

• 기계 학습 = 기계가 배운다
  
  • 그렇다면? 기계가 무엇을? 어떻게? 배울 수 있을까?
• 과거에는 인공지능을 개발할 때 해당 분야의 전문가들이 만든 많은 양의 샘플들을 데이터 베이스화 하여 자료들을 일일이 수작업으로 컴퓨터에 직접 등록하는 방법
  • 그러나, 대부분의 작업이 사람의 손을 거쳐야 하므로 필연적으로 많은 시간과 노력, 비용이 발생
  • 또한, 시대가 발전함에 따라 사람조차 명확하게 구분할 수 없는 지식(no explicit knowledge)을 구현해야 하거나, 사람이 일일이 구현하기에는 너무 많은 양의 규칙들이 필요한 경우가 생겨나기 시작
• 그러므로 머신러닝이란 알고리즘을 이용하여 데이터를 분석하고, 분석 결과를 스스로 학습한 후, 이를 기반으로 어떠한 판단이나 예측을 하는 것을 의미를 말함
  
• 머신러닝의 학습 방법
  

  지도 학습 (Supervised Learning)	문제와 정답을 모두 알려주고 공부시키는 방법	회귀
  		분류
  비지도 학습 (Unsupervised Learning)	답을 가르쳐주지 않고 공부 시키는 방법	연관규칙
  		군집
  강화 학습 (Reinforcement Learning)	보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습	보상

지도학습(Supervised Learning)

• 회귀(Regression)
  • 연속 값을 예측할 때 트레이닝 데이터를 이용하여 연속적인 값을 예측하는 것
    • 활용 사례
      • 중고차 가격 예측 – 대량의 중고차 판매 데이터에서 주행거리, 연식, 브랜드 등을 사용하여 중고차 가격 예측
• 분류(Classfication)
  • 데이터가 범주형 변수를 예측하기 위해 사용될 때 이미지에 강아지나 고양이와 같은 레이블을 할당하는 경우
    • 이진 분류(Binary Classification) : 레이블이 두 개인 경우
    • 다중 클래스 분류(Multi-Class Classification) : 범주가 두 개 이상인 경우
    • 활용 사례
      • 스팸 필터 – 여러가지 메일과 발송 기관 등을 샘플로 훈련하여 스팸메일인지 아닌지를 분류

[본 강의노트 미리보기]

지도 학습	회귀	Linear Regression
	분류	Perceptron
		Logistic Regression

---

Linear Regression

• 선형 회귀 분석이란, 독립변수 X(입력)와 종속변수 y(출력)의 상관관계를 선형모델(직선)로 회귀분석하는 것
  
  • Assumption: Linear Model
    • #4) 다음과 같이 입력과 출력 변수들이 주어졌을 때, 
    • #5) 선형 모델은 아래 식과 같이 빨간 색 선으로 표현할 수 있고, 
      이때, θ1​은 기울기를 나타내고, θ0는 y 절편을 나타냄