Machine Learning   기계 학습

(2023-10-13)

Learning, 학습, 머신러닝


1. 학습 (Learning)

  ㅇ 지속적인 경험이나 훈련의 결과로 생기는 행동 변화
     - 자기의 지식 기반을 확장시킬 수 있음

  ※ `경험(Experience)`,`훈련(Training)`,`학습(Learing)`의 비교
     - 경험은, 실제 겪어보고 단편 지식들을 얻게되는 것
     - 훈련은, 반복을 통해 동작/행동을 할 수 있게되는 것
     - 학습은, 알고 깨달아 지식의 확장이 가능하게되는 것


2. 기계 학습 (Machine Learning) 이란?

  ㅇ 일반 정의
     - 경험적 학습으로 지식과 성능을 향상시키는 알고리즘시스템의 구축
        . 데이터로부터 학습할 수 있는 시스템을 만드는 것

  ㅇ 결국, 인간의 학습 능력을, 기계를 통해, 구현하는 것
     - 외부 환경 정보를 이용하여, 시스템 내부에 지식을 저장하고 형성시키는 과정
        . 기계 스스로 학습을 통해 지식의 체계적인 수집,축적,구조화시키는 과정

  ㅇ 주요 응용
     - 언어 처리, 영상 처리3. 기계학습의 구현

  ㅇ 구현 목표
     - 데이터들로부터, 규칙,지식,알고리즘,프로그램 등을 자동으로 추출

  ㅇ 구현 핵심
     - 데이터를 보고, 미리 정해지지 않은 패턴추리해내도록 하는 것


4. 기계학습의 시스템 구현 (문제 해결) 과정모델 정하기 (모델링)
     - 데이터에 대한 관점과 기대되는 바에 대한 수학적 모델링 
        . 데이터 패턴을 추출하여, 이로부터 굳어진 가정(믿음)에 의해, 
        . 생성 가능한 함수들의 집합을 나타내는 꼴을 정하는 것
        . 어떤 모델을 쓸 것인지를 정하는 것

  ㅇ 모델 수식화 (손실함수 산정)
     - 데이터를 얼마나 바르게 표현했는지를 수학적으로 표현해내는 것
        . 例) 손실함수 or 비용함수/목적함수 (벗어나는 정도), 우도 (들어맞는 정도) 등

  ㅇ 모델 학습하기 (최적화)
     - 정해진 모델이 표현하는 함수 집합 중 가장 데이터에 적합한 함수를 고르는 과정
        . 손실함수의 결과값을 최소화하려고 하는 등
        . 例) 경사하강법 등

  ㅇ 모델 평가 (일반화)
     - 과적합 방지 등


5. 기계학습의 종류/구분
 
  ※ ☞ 기계학습 종류 참조
     - (지도 학습, 비 지도 학습, 강화 학습)
     - (사례 기반 학습, 모델 기반 학습)
     - (통계 기반 학습, 인공 신경망/딥러닝, 유전 알고리즘 등)

기계학습
   1. 기계 학습   2. 기계학습 용어   3. 기계학습 종류   4. 인공 신경망 (ANN)   5. 분류   6. 군집화   7. 차원 축소   8. 서포트 벡터 머신 (SVM)  


Copyrightⓒ written by 차재복 (Cha Jae Bok)               기술용어해설 후원
"본 웹사이트 내 모든 저작물은 원출처를 밝히는 한 자유롭게 사용(상업화포함) 가능합니다"