학습내용

Machine Learning의 소개와 사례

머신러닝은 1980년대부터 시작 되었으며 수학적으로 문제들을 풀어내는 것 그 이후 수학적으로 한계가 도달했을때 사람의 뇌구조와 비슷한 생태계를 만들어 낸것이 딥러닝(2010~)이다

머신러닝이란?

문제를 푸는대 있어서 가장 효율적인 방식을 model이라한다

Machine Learning의 주요 알고리즘

supervised learning

-문제와 정답 제공 = feature and label

-예측, 추정, 분류

regression

•회귀분석(regression analysis)은 관찰된 연속형 변수들에 대해 두변수사이의 모형을 구한뒤 적합도를 측정해내는 분석방법
•활용분야
-시간에따라 변화하는 데이터혹은영향도
-가설적실험
-인과관계
-그외통계적예측에이용
•그러나 가정의 적절성이 증명되지 않은 채로 이용되어 그결과가 오용되기도함
•특히 SW의 발달로 분석이 용이해져 결과를 쉽게얻을수 있지만, 분석방법의 적절성, 정보분석의 정확성의 판단은 여전히 연구자의몫
•어떤 값을 예측할 때 사용하는 알고리즘
•Regression을 평가할 때에는 MAE, RMSE 등의 지표를 사용

forcast

classification

•분류분석(Classification analysis)은 관찰된 연속형 변수들에 대해 두변수사이의 모형을 구한뒤 적합도를 측정해내는 분석방법
•활용분야
-개와고양이, 합격불합격등의이진분류
-숫자의인식등컴퓨터비전분야
-여러분류중하나를선택하는다중분류기법
•Regression이 값을 예측하는 데 비해서Classification은 말 그대로 분류를 예측함
•어떤 대상을 분류할때 사용하는 알고리즘
•Classification 문제를 평가 할 때에는 ROC 등을 사용해서 Accuracy를 체크

unsupervised

-문제만 제공 = feature

-패턴/구조 발견 그룹화

anomaly
clustering

reinforcement learning

Numpy

scikit - learn