딥러닝 첫 걸음 시작하기! - 머신러닝

머신러닝 유형

1. Supervise Learning(지도 학습)

2. Unsupervised Learning(비지도 학습)

3. Reinforcement Learning(강화 학습)

 

1. 지도 학습

라벨이 붙여진 데이터 셋을 학습 후 신규 데이터에 라벨을 붙임.

ex) 이메일 스팸 필터링, 이미지 분류

 

2. 비지도 학습

라벨이 없는 데이터에서 패턴을 찾음. 데이터의 특성을 스스로 파악.

ex) 유사 단어 클러스터링, 유사 이미지 클러스터링

 

3. 강화 학습

피드백 또는 보상을 통하여 학습을 진행.

ex) 체스게임, 알파고

 

 

지도 학습의 종류

* 분류(Classification) 분석

 - 문서 분류, 이미지 분류

 

* 회귀(Regression) 분석

 - 주식 가격 예측, 부동산 가격 예측

 

머신러닝을 위한 6단계

1. 문제 정의 및 모델 선정 : 해결하고자 하는 문제를 명확하게 정의. 해결할 문제에 적절한 모델(알고리즘)을 선정.

2. 데이터 수집 : 데이터의 양이 학습된 모델의 품질을 결정.

3. 데이터 전처리 : 머신러닝에서 가장 오래 걸리고 힘든 작업. 

4. 특징 추출 : 데이터 중 주요한 특징만 추출하는 작업

5. 학습 : 전처리가 완료된 학습 데이터 셋으로 모델을 학습. 최적의 값을 찾을 때까지 모델을 학습.

6. 검증 : 모델 학습이 완료 후 검증 데이터 셋을 사용하여 모델을 검증

 

 

머신러닝이란, 데이터로부터 기계가 학습을 하는 알고리즘