머신 러닝 - 기본 용어 및 개념

Machine Learning - 기계를 스스로 학습 시키는것

 

Supervised learning(지도학습)

•   data(데이터) 와 label(값) 으로  학습 시킨 머신러닝 
• ex) 사람들이  고양이가 있는 사진(data) 에 고양이라고표시(label) 을 넣어주어 학습시킨다(엄청나게 많은 사진이 필요함)

Unsupervised learning (비지도학습)

• label(값)이 없는 상황속에서 데이터만 보고 스스로 학습시키는것
• ex) 각종의 뉴스(정치,경제,스포츠 등...)을 자동적으로 그룹핑 시키는것 google news grouping 이 대표적이다. (컴퓨터보고 스스로 그룹핑해봐' 라고 시킨것) 

 

supervised learning

 

일반적으로 ML에서 주로 사용되는 것이다. 

 

ex)

• Image labeling : 각각의 이미지에 맞는 label을 붙여서 학습 시킨 결과
• Email spam filter : 이미 데이터화된 스팸메일을 통해 스팸인지 햄인지 구별해서 학습시킨 결과
• Prediction exam score : 축적되어있는 성적 데이터를 통해서 시간대비 성적을 알려주는 학습. 

 

Training data / lebel 을 알아보자!

1)data 와 label 을 통해 학습을 시키고 2)임의 의 데이터값을 주었을때 3)결과(label)의 값을 가져오는 결과.

 

Types of supervised learning 

1)Regression ( 회귀) : 입력한 data에 대한 연속적인 수치를 예측하는것이다. 

 ex) 공부시간에 따른 점수(0~100점) 예측

 

예측 범위가 넓어서 classification 보다 regression 으로 볼수있다. 

 

2)Classification (분류) 

입력한 data 를 각각의 label로 분류하는것

-binary classification : 두단계로 분류 (ex) 공부시간에 따른 P or F

-multi-label classification : 여러 단계로 분류 (ex) 공부시간에 따른 A/B/C/D/F 등급