기계학습 용어

(2023-09-21)

기계학습 과정, 과적합


1. 기계학습의 용어기계학습
     - 데이터들로부터, 특징,패턴을 감지하여, 규칙,알고리즘,지식 등을 자동으로 학습,확장시킴

  ㅇ 특징 (Feature)
     - 데이터의 특징을 나타내는 정보 (두드러지고, 풍부한 정보를 주는 것)
        . 例) 키와 체중으로 성별을 예측할 때, 키,체중을 특징이라고 함
     - 특징 벡터  :  데이터에서 특징으로 간주되는, 1 이상의 변수들로 구성된 벡터
     - 특징량  :  데이터에서 나타나는 변화를, 1 이상의 변수들(특징 벡터)로 나타낸 계산식

  ㅇ 패턴 (Pattern)
     - 데이터들에서 나타나는 좋은 특징들을 모아놓은 집합패턴 인식 (Pattern Recognition)
     - 핵심이 되는 특징 추출과 이를 분류하는 것

  ㅇ 학습 (Learning)
     - 지속적인 경험이나 훈련의 결과로 생기는 행동 변화

  ㅇ 트레이닝 세트 (Training Set)
     - 학습에 사용되는 샘플 데이터

  ㅇ 과적합 (Overfitting)
     - 학습 데이터와 유사한 데이터에 만 잘 작동하고, 다른 데이터에는 일반화하기 어려운 현상

  ㅇ 이미지 인식
     - 필요 : 상품 인식, 얼굴 인식, 도로 상황 파악 등
     - 분류 : 물체 분류, 물체 인식2. 기계학습의 과정

  ㅇ ① 모델 선택 → ② 모델 학습 목표의 수식화 → ③ 모델 학습 (최적화) → ④ 모델 평가
     - 모델 선택 : 데이터에 대한 관점과 기대되는 바에 대한 수학적 모델링 
     - 모델 수식화 : 모델데이터를 얼마나 잘 표현하는지를 수학적으로 나타내는 것 
     - 모델 학습 : 정해진 모델이 표현하는 함수 집합 중 가장 데이터에 적합한 함수를 고르는 과정
     - 모델 평가 : 과적합 방지 등 


3. 기계학습학습 모델SVM (Support Vector Machine, 서포트 벡터 머신)
  ㅇ HMM (Hidden Markov Model, 은닉 마르코프 모델)
  ㅇ 신경망 (Artificial Neutral Network, ANN)
  ㅇ 혼합모델 등


4. 기계학습의 수행 방식 (문제 유형, 적용 대상)회귀 (Regression) : 입력 값을 바탕으로 연속적인 출력 값을 추정/예측분류 (Classification) : 입력 값을 바탕으로 특정 범주를 추정/예측군집화 (Clustering) : 입력 값들을 비슷한 특성별로 여러 그룹으로 분할하며 큰 단위로 만들어 감

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"