[ML] 00. Overview

목차

• 1. 기계학습(ML)
• 2. 기계학습을 위해 필요한 것들
  • 1) 입력(특성)
  • 2) 기대출력(타겟값)
  • 3) 기계학습 알고리즘
  • 4) 성능측정방법

1. 기계학습(ML)

컴퓨터가 데이터를 이용해 학습과정을 거쳐 자동으로 규칙을 찾는 기법

 

데이터→정보 →지식 →지혜

 

2. 기계학습을 위해 필요한 것들

1) 입력(특성)

Feature: 하나의 데이터(Instance)는 그것을 표현하는 여러 특성으로 구성될 수 있음

Feature Engineering: 힌트 뽑아내기, 특성을 생성하고 개선해 가는 방법, 과정

• 결측값 처리, 원 핫 인코딩, 정규화, 다항형 특성, 파워 변환, 비닝
• 효율적인 학습 가능

 

 

2) 기대출력(타겟값)

기대출력에 따라 기계학습 문제가 달라짐

→ 분류, 회귀, 그룹핑(클러스터링)

3) 기계학습 알고리즘

• 지도학습 Supervised learning
  출력(결과)데이터를 함께 주며 학습. Labeled data
  회귀(집 값 예측), 분류(클래스 Label 찾기)

• 비지도학습 Unsupervised learning
  Unlabeled data
• 강화학습 Reinforcement Learning
  일련의 행동을 여러번 수행→행동규칙 찾아감

4) 성능측정방법