안녕하세요!
4학년 1학기 때 수강하였던 머신러닝을 간단히 정리하려고 합니다.
앞에 부여된 숫자는 강의자료 숫자이고, 저희 교수님 강의는 유튜브에 잘 올려져 있어서 같이 첨부하려고 합니다 ㅎㅎ
https://youtube.com/playlist?list=PLrJcoRcsaj2ub5cWet5ojEwckfEKNvgkG
머신러닝
www.youtube.com
강의 재생 목록이고 교수님 강의.. 정말 명강의 입니다 추천해욥 ('>')b
- Machine Learning
Machine Learning, ML은 computer에게 단순한 일을 부여했을 때 더 나은 performance를 보여줌에 의해 시작되었습니다.
이후 data를 computer에게 부여하고 학습시켜 model을 형성하는 것으로 정의됩니다.
(사실 정정기간에 강의를 잡아서 이부분 수업을 듣지 못했슴니다.. 교수님 강의 보면 정말 잘 설명되어 있어요..!)
- Supervised & Unsupervised Learning
ML을 구분하자면 Supervised learning과 Unsupervised Learning으로 구분할 수 있습니다.
1) Supervised Learning
Supervised learning은 출력될 결과인 y의 정보를 아는 데이터를 training에 넣어주는 방법 입니다.
그렇기에 training set은
과 같은 형태로, input x_i 인 features가 벡터로써 들어가게 되고, 이에 의한 response variable y_i가 사용됩니다.
이러한 방식을 사용하는 ML의 종류에는 classification, regression, neural network등이 있습니다.
2) Unsupervised Learning
Unsupervised Learning은 출력 결과 y를 모르는 데이터를 사용합니다.
input 값에 y가 없이, x_i features만이 training data set으로 사용됩니다.
이 방식을 사용하는 ML의 종류에는 clustering, association rule등이 있습니다.
- Classification & Regression
Classification은 Supervised Learning을 하는 ML으로, input을 넣었을 때, 출력될 output이 어느 종류인지 class를 이산적인 값으로 출력(예측)해 주는 방식입니다.
가장 유명한 예시로 iris data가 있는데, input인 sepal과 petal값을 통해 iris 종의 종류를 구분해 낼 수 있습니다.
Regression도 Supervised Learning을 합니다.
다만 주어진 dataset를 가장 잘 나타내는 연속적인 분포를 예측하는 방식입니다.
즉 둘의 차이는 이산적인 값을 출력하는가와 연속적인 값을 출력하는 가로 구분할 수 있습니다.
intro 부분을 짧게 정리해 보았습니다.
자세한 내용은 후에 정리하면서 다뤄보도록 하겠습니다!
오늘 강의는 아래 링크 참고해주세요!
감사합니다~
'[학부 일기] 전자공학과 전공 > 머신러닝' 카테고리의 다른 글
| (( 조금은 느린 업데이트 )) (0) | 2023.08.30 |
|---|---|
| [머신러닝] 2. Probability & Bayesian Learning (0) | 2023.06.27 |