|
|
| Line 1: |
Line 1: |
| [[분류:인공지능]] | | #넘겨주기 [[기계 학습]] |
| ;Machine learning
| |
| ;[[인공지능]] 연구분야 중 하나로, 인간의 뇌가 자연스럽게 수행하는 학습 능력을 컴퓨터로 구현하는 기술
| |
| | |
| == 머신러닝과 딥러닝 ==
| |
| * 인공 지능 : 자연 언어 처리, 전문가 시스템 분야, 영상 분석, 이론 증명(수학적 증명)
| |
| * 머신 러닝 : 선형 회귀, 로지스틱 회귀, 소프트 맥스, 신경망(neural net)
| |
| * 딥 러닝 : 신경망을 3 개 이상 중첩, CNN(이미지 인식 기능), RNN(자연어 처리, 챗봇)
| |
| | |
| == 분류 ==
| |
| * 비지도 학습
| |
| ** 군집
| |
| ** [[차원 축소]]
| |
| *** [[차원의 저주]]
| |
| *** [[주성분 분석|주성분 분석(PCA, Principal Component Analysis)]]
| |
| *** [[독립성분 분석|독립성분 분석(ICA)]]
| |
| *** [[자기 조직화 지도|자기 조직화 지도(SOM, Self-Organizing Map)]]
| |
| * 지도 학습
| |
| ** 분류
| |
| *** [[SVM]]
| |
| *** [[kNN]]
| |
| ** 예측
| |
| *** [[선형 회귀]]
| |
| *** [[로지스틱 회귀분석]]
| |
| * 강화 학습
| |
| ** [[Q 러닝]]
| |
| ** [[은닉 마코프 모델]]
| |
| | |
| == 머신러닝 활용 ==
| |
| * 클래스 분류(Classification)
| |
| ** 특정 데이터에 레이블(정답)을 붙여 분류
| |
| ** ex) 스팸 메일 분류, 필기 인식 등
| |
| * 클러스터링(Clustering)
| |
| ** 값의 유사성을 기반으로 데이터를 여러 그룹으로 나눔
| |
| ** ex) 고객의 여러 가지 정보를 이용하여 그룹핑한 다음 최우수/우수/일반 고객 등으로 분류
| |
| * 추천(Recommendation)
| |
| ** 특정 데이터를 기반으로 다른 데이터를 추천하는 것
| |
| ** ex) 사용자의 구매기록을 기반으로 다른 상품 추천
| |
| * [[회귀|회귀(Regression)]]
| |
| ** 과거의 데이터로 미래의 데이터를 예측하는 것
| |
| ** ex) 주변 부동산 시세 정보를 이용하여 내년의 집값을 예측
| |
| * 차원 축소
| |
| ** 데이터의 특성을 유지하면서 데이터의 양을 줄이는 것
| |
| ** ex) 얼굴(큰 차원) 이미지에서 코, 눈(작은 차원) 등의 이미지에서 숫자를 추출
| |
| | |
| == 구현 절차 ==
| |
| # 데이터 전처리: 벡터화, [[레이블링]], [[결측치]] 처리
| |
| # 수치 분석: [[원핫 인코딩]], Feature(Factor) 선정
| |
| # 모델 선택: 적합 모델 선정 또는 전이학습
| |
| # [[하이퍼 파라미터]] 튜닝: 모델의 계층, 유닛, [[활성화 함수]], 학습비율 등
| |
| # 모델 테스트 및 분석: 학습된 모델의 성능의 측정, 분석 및 성능 개선
| |
| # 모델 제공 및 관리: 실제 응용 분야에 적용하고 지속적으로 관리
| |
