기계학습 용어

(2020-09-05)

기계학습 과정

1. 기계학습의 과정

  ㅇ ①  모델 선택
     - 데이터를 바라보는 시각과 기대되는 바를,
     - 수학적으로 가정해 보는 수학적 모델링으로써,
     - 어떤 모델을 쓸 것인지를 정하는 것
  ㅇ ②  모델 학습 목표의 수식화
     - 모델데이터를 얼마나 잘 표현하는지를 수학적으로 나타내는 것
     - 例) 손실함수(벗어나는 정도) 때론 비용함수/목적함수, 우도(들어맞는 정도) 등
  ㅇ ③  모델 학습 (최적화)
     - 손실함수의 결과값을 최소화하려고 하는 등
     - 例) 경사하강법 등
  ㅇ ④  모델 평가


2. 기계학습의 주요 학습 모델

  ㅇ SVM (Support Vector Machine)
     - 데이터 분포를 분류하는/나누는 기준을 결정하는 것
     - 지도 학습 모델 중 하나
  ㅇ HMM (Hidden Markov Model)
  ㅇ 신경망
  ㅇ 혼합모델 등


3. 기계학습의 수행 방식들회귀 (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
        . 유사도 산출 방법을 적절히 선택하는 것이 중요 함


4. 기타패턴 인식 (Pattern Recognition)
     - 핵심이 되는 특징 추출과 이를 분류하는 것

  ㅇ ... (작성중) ...


[기계학습] 1. 기계 학습 2. 기계학습 용어 3. 인공 신경망 4. 빅 데이터 5. 차원 축소 6. 분류기

 
        요약목록     참고문헌