Intro. 머신러닝 개념 쉽게 잡고 가자

Intro. 머신러닝

지도 학습(Supervised Learning) : 역사 : 독립 변수 | 종속 변수

독립 변수와 종속 변수로 모델을 만드는 것입니다

문제를 많이 풀면 점점 문제를 맞출 확률이 올라가는 것처럼
또는, 원인으로부터 결과를 도출 하고 싶을 때 사용합니다

과거의 데이터로 학습해서 결과를 예측하는데 올라간다

Regression(회귀) 모델

• 숫자를 알고 싶은 경우
• https://bit.ly/ml1-regression-list : 회귀 사례

Classification

• 추측하고자 하는 것이 이름인 경우
• https://bit.ly/ml1-class-list : 분류 사례

비지도 학습(Unsupervised Learning) : 탐험 : 데이터의 성격 파악 : 변수 | 변수 | 변수

기계에게 데이터에 대한 통찰력을 부여하는 것입니다
누가 정답을 알려주지 않아도, 새로운 데이터의 성격이나 분류를 합니다

군집화(Clustering)

• 비슷한 것을 분류하는 것입니다
  • 1000만개의 데이터를 넣고 100개의 클러스터를 넣으면 분류를 해준다.
  • 비슷한 행을 찾아내는 것이 클러스터링
  • 비슷한 행을 그룹핑하는 것이다
• 군집화 vs 분류
  • 물건들이 주어졌을 때 비슷한 것끼리 그룹을 만들면 Clustering!
  • 하나의 물건이 어떤 그룹에 속하는지 결정하는 것은 Classification이다!

연관 : Association

서로 관련이 있는 것을 찾아주는 머신러닝 기법이다
특성을 그룹핑 해주는 것이다

강화 학습

학습을 통해 능력을 올리는 것이라면, 어떻게 해야 더 좋은 답을 찾을까에 대해 스스로 반복하고 연습하도록 하는 것이다.

부족한 점이나 잘못 된 점을 알려주시면 시정하겠습니다 :>