인공지능) Machine Learning

기계 학습 ( Machine Learning )

○ 아이디어

--> 프로그램을 짜지 말고 학습시키자

○ 정의

- E ; Experience    ( data )

- T ; Task

- P ; Performance measure

○ 분류

- Supervised learning ( 교사 학습)

: 정답을 주는 경우

--> 목표가 분명함

- Unsupervised learning ( 비교사 학습)

: 데이터는 주지만, 정답은 주지 않음

--> 목표가 명확하지 않음

- Reinforcement learning ( 강화 학습 )

- Recommender systems ( 추천 시스템 )

§ Supervised Learning ( 교사 학습 )

○ Classfication (분류)

- 값이 명확할 때

--> 예 : 개-고양이 / 남자-여자

○ Regression (회귀)

- 대상이 연속 값일 때

--> 예 : 내일의 온도

- Linear Regression (선형)

- Logistic Regression (비선형)

- Neural Network (비선형)

- Deep Learning (비선형)

§ Linear Regression (선형회귀)

- 추세선을 의미한다고 보면 됨

- 에러 값을 줄이는게 항상 좋은 것은 아님

--> Fitting의 문제가 있음

- 과정

- Cost Function

: 구하는게 중요하다.

가정)

이라 하면, Cost func은