coursera의 machine-learning(week1) 노트
Week1
인용coursera의wiki, 애니메이션을 보면서 필기
기계학습 "Machine Learning"
Arthur Samuel described it as: "the field of study that gives computers the ability to learn without being explicitly programmed."This is an older, informal definition.
옛 정의는'컴퓨터가 명확한 프로그램 없이 기능을 학습하도록 하는 학문 영역'이었다.
Tom Mitchell provides a more modern definition: "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E."
번역이 잘 안 되는 것 같아요.
텍스트 번역
작업(분류) T 및 성능(측정값) P와 관련된 학습 데이터 E를 획득한 경우 이를 바탕으로 학습하는 컴퓨터 프로그램
DataSience의 분류 from "http://machinelearningmastery.com/what-is-machine-learning/"
"Supervised Learning"을 배우는 교사가 있습니다.
정답이 있는 학습 데이터에 근거하여 학습하다.교실에서 처리하는 것은 회귀 문제와 분류 문제이다.분류에 관해서는 특징량에 따라 분류하는 수를 늘릴 수 있지만, 벡터기(SVM)를 지원하는 등장에 따라 무한 분류 프로그램 같은 것을 만들 수 있다.
이하
In supervised learning, we are given a data set and already know what our correct output should look like, having the idea that there is a relationship between the input and the output.
Supervised learning problems are categorized into "regression"and "classification"problems. In a regression problem, we are trying to predict results within a continuous output, meaning that we are trying to map input variables to some continuous function. In a classification problem, we are instead trying to predict results in a discrete output. In other words, we are trying to map input variables into discrete categories.
번역:
선생님과 학습에서 데이터 집합의 정확한 출력을 어떻게 해야 하는지 이미 알고 있다.우리는 이때 입력과 출력 사이의 관계를 얻는 방법을 고려한다.
교사의 학습 문제는 회귀 문제와 분류 문제로 나뉜다.회귀 문제에서 예측 결과를 연속 출력으로 한다.이것은 입력 변수를 몇몇 연속 함수에 비추는 것을 의미한다.분류 문제에서, 우리는 결과를 이산 출력으로 예측하려고 한다.다시 말하면 입력 변수가 이산 유형에 비친다는 것이다.
"Unspervised Learing"을 배우는 교사 없음
정답이 없는 학습 데이터에서 배우다.컬렉션이라고도 하나요?
데이터에서 집단을 발견하고 구조의 데이터 분석을 찾아낸다.
이하
Unsupervised learning, on the other hand, allows us to approach problems with little or no idea what our results should look like. We can derive structure from data where we don't necessarily know the effect of the variables.
We can derive this structure by clustering the data based on relationships among the variables in the data.
With unsupervised learning there is no feedback based on the prediction results, i.e., there is no teacher to correct you.
번역:
다른 한편, 교사의 학습이 없으면 결과가 어떻게 나올지 조금밖에 모르거나 전혀 모르는 기초 위에서 문제를 해결한다.
변수의 영향을 알 필요가 없는 데이터에서 구조를 찾을 수 있다.데이터 변수 간의 관계를 바탕으로 이 구조를 모아서 내보냅니다.교사가 없는 학습에는 예측 결과에 기초한 피드백이 존재하지 않는다.
Reference
이 문제에 관하여(coursera의 machine-learning(week1) 노트), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/chiwakii@github/items/0cd71896afb86bb1a5ae
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(coursera의 machine-learning(week1) 노트), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/chiwakii@github/items/0cd71896afb86bb1a5ae텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)