U E D R , A S I H C RSS

Machine Learning스터디/Introduction


  • 이 문서에 있는 사진이나 예제의 상당수는 Coursera/ML강의에 남겨져 있음. PPT도 제공하므로 꼭 확인하세요.

1. 머신 러닝이란?

  • 인공지능을 점진적으로 발달시키는 것
  • Reinforcement learning, Recommender system이라고도 부른다.

1.1.

  • 데이터 마이닝
  • 무인으로 적용되는 응용프로그램(무인 헬리콥터, 자연어 처리 등등.)

1.2. Tom Mitchell(1998)의 정의

  • Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.
  • 번역을 하려 했으나, 맛깔나게 번역을 못하겠으므로... :(

1.3. 머신 러닝의 종류

  • Supervised Learning
  • Unsupervised Learning

2. Supervised Learning

  • 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다.
  • 출처 : http://ko.wikipedia.org/wiki/%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

2.1. Regression

  • 치역이 연속적인 값인 경우.
    HousingPrice.png
    [PNG image (31.26 KB)]

  • 예: 집의 평수에 따른 집 값 추론

2.2. Classification

  • 치역이 이산적인 값인 경우.
    Breast_Cancer.PNG
    [PNG image (35.64 KB)]

  • 예: 종양의 크기에 해당 종양이 악성인지 판단.

3. Unsupervised Learning

3.1. Clustering

  • 데이터 셋에서 비슷한 성질을 가지고 있는 데이터끼리 묶는 것을 말함.
    Cluster.PNG
    [PNG image (21.9 KB)]

3.2. Cocktail party problem algorithm

Valid XHTML 1.0! Valid CSS! powered by MoniWiki
last modified 2014-02-10 01:56:28
Processing time 0.0871 sec