[머신러닝/딥러닝 기초] 기본적인 Machine Learning의 용어와 개념

!! 목표

Machine Learning의 종류(Supervised learning / Unsupervised learning) 그리고 관련 용어와 개념을 알아보자

---

1. Machine Learning의 배경

Limitations of explicit programming → 직접 학습하는 Machine Learning을 생각해냈다

 

 

 

2. Supervised learning, Unsupervised learning의 구분

1) Supervised learning(지도학습)

해당 data와 label이 주어진 학습

ex) data : 고양이 사진 / label : 고양이 라는 것을 주고 학습을 시킨다

 

 

2) Unsupervised learning(비지도학습)

label이 주어지지 않은 채로 데이터를 보고 스스로 학습

ex) Google news grouping : 자동적으로 유사한 뉴스들을 grouping

 

 

 

3. Supervised learning

Supervised learning이 ML에서 일반적으로 사용된다.

 

더 다양한 예시로는

• Image labeling : learning from tagged imaged
• Email spam filter : learning from labeled(spam or ham) email
• Prediction exam score : learning from previous exam score and time spent

등이 있다.

 

 

 

  -Training data / label

    학습시키기 위한 Data와 Label이다

    MNIST(숫자 손글씨 dataset)으로 예를 들어 보자면,

 

    밑에 손글씨로 써진 숫자 image는 Data가 되고 위에 숫자는 Label이다.

    각, Data와 이미지에 대한 정답인 Label을 이용해서 학습하게 된다.

 

-Types of supervised learning

1) Classificaiton (분류)

입력 Date를 각각의 Label로 분류하는 것

 

-binary classification : 두단계로 분류 (ex)공부시간에 따른 Pass/Fault

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

 

 

2) Regression (회귀)

입력 Data에 대해 연속적인 수치를 예측하는 것

(ex) 공부시간에 따른 점수(0~100점) 예측

 

Classification의 경우보다 범위가 넓기 때문에 Regression으로 볼 수 있다.

 

 

---

이글은 모두를 위한 딥러닝 시즌1을 참고해 공부용으로 정리 되었습니다.

출처 : 

www.youtube.com/watch?v=qPMeuL2LIqY&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=2