1. 머신 러닝 기초

딥러닝을 쉽게 공부해보자 

 

공부해야할 것

1. 머신러닝이란?

2. 러닝이란?

     -지도 학습

     -비지도 학습

3. regression(회기)이 란?

4. classification(분류)이 란?

 

1. 머신러닝이란?

 머신러닝이란 컴퓨터를 이용하여 데이터를 학습하는 방법을 말한다. 

우리가 아는 딥러닝도 머신러닝이다. 포함관계가 머신러닝이 더 넓은 범위이며

머신러닝 안에 딥러닝이라는 머신러닝의 종류가 있는 것이다.

* 머신러닝의 장점은 뭘까?

프로그래밍의 한계를 극복할 수 있다. 이 말이 무슨의미냐면 우리는 다양한 문제를 거르기위해 다양한 if 문을 이용하여 문제를 해결하게 된다. 하지만 머신러닝을 이용하면 우리는 문제를 학습된 모델을 이용하여 단번에 해결이 가능하다.

ex) 스팸 메일 필터, 자율주행

 

2. 러닝이란?

- 지도 학습 (Supervised learing)

  학습을 진행할 때 라벨(정답)을 주고 학습 시키는 방법을 의미한다. - 트레이닝 셋이 필요

  ex) 강아지 고양이 분류(강아지 사진, 고양이 사진 필요)

- 비지도 학습(Unsupervised learning) : un-label data

   학습에 답(label)이 없는 데이터만 주어지고 머신러닝을 하는 방법이다.

   ex) 구글 뉴스 묶음(종류별로) , 같은 단어끼리 묶기

 

*대부분의 머신러닝 문제는 지도학습이다. 

  1) 이미지 분류 - 강아지 고양이 분류

  2) 스팸메일 필터 - 스팸인지 햄인지 구분(스팸메일이 쓰레기고 햄이 진짜 메일이다)

  3) 시험 점수 예측 - 이전의 점수가 주어진다.

 

우리가 아는 알파고도 지도학습의 예라고 한다. (나도 들은거지만)

지도학습에는 x(data), y(label)이 주어진다. 우리는 x 라는 데이터를 학습해서 y 라는 값을 맞추어야한다.

다시 말하면 우리는 x라는 데이터를 학습해서 가설값을 만들고 y(label) 값이 가설값이랑 일치하게 만들어야한다.

 

우선 여기까지는 그냥 가볍게 이해만 해도 된다.