Subin

Mechanical & Software Engneering

1. 머신러닝의 개념과 용어

모두를 위한 딥러닝 – 홍콩과기대 Sung Kim 교수님 강의를 보며 공부 중입니다.

https://hunkim.github.io/ml/강의 모음 

ML lec 01 – 기본적인 Machine Learing의 용어와 개념 설명

1.explicit programming의 한계

ex) 스팸 필터는 너무 많은 rule 존재, 자율주행도 너무 많은 변수 존재한다.

2. 머신 러닝

개발자가 일일이 정하지 않고 컴퓨터가 알아서 데이터로 학습을 하는 능력을 가진 프로그램.

explicitly programming을 하지 않고 컴퓨터가 알아서 학습하도록 하는 것이다.

3. 머신러닝은 학습하는 방법에 따라서 나눠진다 : Supervised/Unsupervised learning

1)Supervised learning

정해져 있는 데이터, 레이블이 정해져 있는 데이터(training set)을 가지고 학습을 하는 방법이다.

ex) 이 이미지가 고양이일까 개일까? 분류하기 사람들이 고양이, 개 레이블이 있는 사진 자료를 주어서 컴퓨터가 학습한다.

2)Unsupervised learning

구글 뉴스 그룹핑 : 이런 경우에 미리 레이블을 정하는 것은 어렵다.

Word clustering : 레이블을 만드는 것이 아니라 데이터를 보고 직접 학습함.

4. Supervised learning은 일반적인 문제해결 방법이다.

ex) Image labeling, Email spam filter, Predicting exam course

메일이 스팸이다 아니다 라는 레이블을 가지고 학습한다.

5. Training data set

레이블이 정해져있는(Y) 데이터, 특징 (X) 레이블을 가지고 학습을 하게 되면 X test가 생김 이 때 Y가 나온다.

6. Supervised learning도 결과에 따라서 나눌 수 있다.

1)Regression

예전에 사용했던 시간에 의해서 시험 성적 예측하는 것 이다.성적이라는 것이 0-100점까지 범위가 넓음

2) Binary classification

예전에 사용했던 시간에 의해서 Pass/non-pass 예측하는 것 이다. 둘 중에 하나 고르는 것. 분류. 이 경우엔 둘 중에 하나 고르는 것이므로 binary.

3) Multi-label classification 

시간에 따라 성적 등급(A,B,C,E,F)  분류가 여러개이다..

7. Predicting final exam score based on time spent.

  1. Regression
  2. Binary classification 
  3. Multi-level classification

88 total views, 4 views today

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다