[ 인공지능 ] Machine Learning Basic 001

 

해당 포스팅은 인공지능을 처음 접한 사람이 이해한 바를 바탕으로 작성되는 것으로,

틀린 부분이 있다면 댓글로 지적해주시면 감사하겠습니다.

 

Sung Kim 님의 유튜브 영상 을 보고 제 식대로 이해한 부분이 많은 점 양해부탁드립니다.

 

 

 

 

 

 

 

 

 

 

대부분 학습의 시작은 자신이 배우고자 하는 키워드의 정의부터 시작한다.

 

 

 

What is Machine Learning?

 

Machine learning : 

 

"Field of study that gives computers the ability to learn without being explicitly programmed"

 

-Arthur Samuel

 

 

explicit programming 이란, 단어 그대로 사람이 프로그래밍한 것을 토대로 출력물을 만드는 것이다.

 

Arthur Samuel 은 머신러닝을

 

명시적으로 프로그래밍되지 않고 컴퓨터가 학습할 수 있도록 하는 연구 분야

 

라고 정의내렸다.

 

 

 

 

Supervised learning

 

: 정해진 데이터(training set)을 가지고 학습을 하는 것.

 

ex:) 고양이 사진을 모아 고양이를 학습을 시키는 것

 

 

 

Unsupervised learning

 

: 정해진 데이터를 가지고 학습하는 것이 아닌, 데이터를 보고 스스로 학습하는 것.

 

 

 

 

 

Supervised learning의 종류

 

 

 

- regression

 

  : 결과가 많은 경우의 수를 가짐.

  : 예시 ) 0~100 점 까지의 경우의 수가 있는 시험 결과 예측.

 

 

- binary classification

 

  : 결과가 2개의 경우의 수를 가짐.

  : 예시 ) Pass / Non-pass 의 경우의 수가 있는 시험 결과 예측.

 

 

- multi-label classification

 

  : 라벨링된 결과를 가짐.

  : 예시 ) A,B,C,D,F 등급을 가진 시험 결과 예측.

 

 

 

 

 

 

 

Regression 모델의 training data set

 

 

x (Hours)	y (Score)
11	98
8	80
5	60
1	20

 

 

 

Binary classification 모델의 training data set

 

 

x (Hours)	y (P/F)
11	P
8	P
5	F
1	F

 

 

 

Multi-label classification 모델의 training data set

 

 

x (Hours)	y (Grade)
11	A
8	B
5	C
1	F