배경.

이번에는 파이톤으로 기계를 배워보자!(`Д´느린 결말!!
그렇다면 학습 내용과 함께 총괄해 봅시다.
이번에 사용한 참고서.

Pythhon 기계 학습 프로그래밍 달인 데이터 과학 이론과 실천

저번

기계 학습

세 가지 기계 학습

이번에는 3개의 머신러닝 중'교사 공부가 있다'에 대해 설명한다.

교사 학습

무교사 학습

강화형 학습(reinforcement learning)

교사도 있고 공부도 있다

'교사가 있고 공부가 있다'는 주요 목적은 다음과 같다.
표기된 훈련 데이터 학습 모델을 통해 미래의 데이터와 미래의 데이터를 예측할 수 있다
.이런 상황에서'유교사 학습'은 라벨이 이미 명확한 견본 집합이다.
대표적인 예측은 두 가지다.

예측 클래스 라벨의 분류

스팸 메일 필터
스팸 메일 필터는 다음과 같은 두 가지로 나눌 수 있다.

스팸

스팸 없음

따라서 이 예에서 말한 '라벨' 은 '스팸메일 필터' 를 가리킨다
만약 기계가 이것을 배운다면 새로운 메일이 어떤 종류로 분류될지 예측할 수 있다.

이렇게 하면 멀리뛰기 값만 얻는 변수를 이산값이라고 부른다
이산값 클래스 라벨이 있는 교사나 학습을 분류라고 부른다.
분류는 교사와 학습의 하위 필드 중의 하나이다
과거의 관측을 바탕으로 새로운 샘플에서 클래스 라벨을 예측하기 위한 것이다.
참고로 쓰레기 필터의 예는 2치 분류(binary classification)의 전형적인 예이다
나는 스팸메일과 비스팸메일 두 종류의 차이를 배우고 있다.
다만, 교사와 학습의 분류는 두 가지 제한이 있다!무슨 뜻 아니야.
손으로 쓴 문자 인증처럼 여러 종류의 탭이 존재한다면
기타 분류(multi-Class class ification)

2치 분류 설명도

스팸 메일
○
스팸 없음
☓
점선
한계를 정하다
이 결정의 경계를 배우면 새로운 반으로 분류될 수 있다.

연속값의 회귀를 예측하는 데 사용

예측 연속치의 분석을 회귀분석이라고 한다.
회귀 분석은 다음과 같습니다.
그리고 결과를 예측할 수 있도록 변수의 관계를 탐색한다.

다중 예측 변수(predictor variable)

연속값의 응답 변수

대학 입시자
테스트에 걸리는 시간(예측 변수)과 최종 포인트의 관계(응답 변수)

선형 회귀 설명도

예측 변수
ｘ
응답 변수
ｙ
빗금
견본점과의 거리가 가장 짧은 직선
이 데이터에서 배운 직선의 절단과 경사를 사용하면 새로운 데이터의 응답 변수를 예측할 수 있다.
이상입니다.
다음에는'강화형 학습 & 교사 없는 학습'에 대해 설명하겠습니다.