(ML) ML의 기본 개념

Fig.1 머신러닝의 기본개념

경험

- 배울 수 있는 경험의 모든 유형

- 해답이 있는 결과, label

- 많을 수록 더 좋음

 

예측

- 모델이 도출해낼 결과를 예측

- 같은 참 결과가 되길 기대

- 존재하는거가 보장되지 않음

 

 

이전 까지의 알고리즘 : 목표 -> 분석 -> 이해

1. 분석 2. 최적화 3. 결과를 직접 출력

 

ML 알고리즘 : 목표 -> 학습 -> 모델

1. 식별&생성 2. 생성에 집중 3. 결과를 발생시킬 수 있는 프로그램을 제작

 

Learning System 디자인 하는 법 ex)

- training data를 고른다

- 정확하게 학습시킬 방법(Objective function)을 고른다

- 목표를 표현할 방법(Metric)을 고른다

- 마지막으로 알고리즘을 고른다

 

Fig.2 Design a Learning System

 

Data Distribution (데이터 분배)

-> Training / validation / test dataset

 

Training data : 모델이 학습할 데이터

Validation data : labeled된 data로 Training할 때 참임을 확인하는 데이터

Test data : Unlabeled인 데이터로 test할 때 이용