태태개발일지 - AI 기초(머신러닝)

기본적으로 지도학습, 비지도학습, 강화학습 으로 나눈다.

 

지도학습

실제 정답이 있는 문제를 내서 학습시키는 것이다.

                                                                   (실제로 text와 label을 함께 입력한다.)

 

feature: 입력값

label : 출력값,정답

 

 

 

비지도학습

실제 정답을 넣지않고, 알아서 군집을 구성하게 하여 처리하게 하는 것이다.

 

 

강화학습

실제 경험을 토대로 학습해 나가는 것이다. (ex 알파고)

 

 

강화학습은 다루지 않고, 지도학습  비지도학습에 대해서 다룰 것이다.

 

지도학습

 

분류와 회귀 두종류가 있다.

 

1) 분류

주어진 데이터를 통해 카테고리에 따라 분류하는 문제.

 

ex)분류는 맞다,아니다의 이진분류 모델이있고, 사과다 배다,포도다 등 2가지이상의 다중 분류 문제가있다.

 

 

 

2) 회귀

회귀는 어떤 데이터들의 Feature를 기준으로, 연속된 값(그래프) 를 예측하는 문제로 주로 어떤 패턴이나 트렌드, 경향을 예측할 때 사용된다.

즉 답이 분류 처럼 1,0 이렇게 떨어지는 것이아닌, 수나 실수로 예측될 수 있다.

 

 

비지도학습

지도학습과는 달리 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여, 새로운 데이터에 대한 결과를 예측하는 방법을 비지도학습이라고 한다.

라벨링 되어있지 않은 데이터로부터 패턴이나 형태를 찾아야 하기 때문에 지도학습보다 더 난이도가 있다고한다.

 

ex) 클러스터링, Dimentionality Reduction, 등등등이있다.

예를 들어 여러 과일의 사진이 있고, 이 사진이 어떤 과일의 사진인지 정답이 없는 데이터에 대해 색깔이 무엇인지, 어떠한 모양인지에 따라서 피처를 토대로 바나나, 사과 군집화 하는 것이라고 한다.

다음은 기본적인 머신러닝 코드에 대해서 작성해 보겠다.