MachineLearning스터디/Introduction (rev. 1.9)

Machine Learning스터디/Introduction

Contents

1. 머신 러닝이란?

1.1. 예
1.2. Tom Mitchell(1998)의 정의
1.3. 머신 러닝의 종류

2. Supervised Learning

2.1. Regression
2.2. Classification

3. Unsupervised Learning

3.1. Clustering
3.2. Cocktail party problem algorithm

1. 머신 러닝이란? ¶

인공지능을 점진적으로 발달시키는 것
Reinforcement learning, Recommender system이라고도 부른다.

1.1. 예 ¶

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.

[PNG image (31.26 KB)]
예: 집의 평수에 따른 집 값 추론

2.2. Classification ¶

치역이 이산적인 값인 경우.

[PNG image (35.64 KB)]
예: 종양의 크기에 해당 종양이 악성인지 판단.

3. Unsupervised Learning ¶

데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다.
출처 : http://ko.wikipedia.org/wiki/%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

3.1. Clustering ¶

데이터 셋에서 비슷한 성질을 가지고 있는 데이터끼리 묶는 것을 말함.

[PNG image (21.9 KB)]

3.2. Cocktail party problem algorithm ¶

MachineLearning스터디

last modified 2021-02-07 05:23:42
Processing time 0.0438 sec