[머신러닝/ML]기본적인 ML 용어 및 개념

ML이란?

---

일종의 소프트웨어(프로그램) -> explicit programming (개발자가 원하는 일을 수행할 수 있음)

정확하게 프로그래밍하기 어려운 프로그램이 존재 ex) 스팸 메일 거르기, 자율주행

=> Authur Samuel이 컴퓨터가 학습하여 자료 또는 현상에서 학습하는 것 -> ML 탄생

개발자가 행동을 정의하지 않음

Learning

---

Supervised Learning

정해져 있는 데이터로 학습 (labeled example) = training set

각 데이터에 label이 달려있음

 

- Image labeling: label이 있는 이미지를 통해 learning

- Email spam filter: 스팸인지 스팸이 아닌지를 구분한 labeling이 되어있는 email 통해 learning

- Predicting exam score: 공부 시간을 통해 시험 점수를 예측

 

Training data set

데이터를 X, Y로 나눔

Y는 label (보통 값이 정해져 있음)

X는 특징 (feature)

모델은 label을 통해 학습

좌측 테이블이 labeled data set, Xtest = [9, 3, 6]을 넣으면 모델은 3이라고 대답한다. (Y값)

알파고도 사람들이 둔 바둑(training data set)을 학습함

새로운 바둑돌을 데이터로 입력하고 그에 맞는 출력을 내보

 

결과에 따라 다르게 구분할 수 있음

- 시험 성적(범위 중 하나) 예측 시스템: 성적의 범위가 정해져 있음 ->  regression

- pass/fail로 나눠 예측하는 경우: binary classification 

- 등급을 예측: multi-label classification

Unsupervised

구글 뉴스 중 자동적으로 유사한 뉴스들만 그룹화함

word clustering