[ML 개념] 머신러닝 개념 (Part2)

정리필요

11 작업의 시작

데이터로 표현해야 함

데이터 과학: 데이터를 만들고, 만들어진 데이터를 이용(작가) 데이터 공학: 데이터를 관리하는 도구를 만들고 도구를 관리하는 일 -> 데이터를 다루는 것을 도와주는 분야

정신과 육체의 관계

12 표

표: 행과 열 표에 속박시키면 효율 표는 데이터 셋

행 = 개체, 관측치, 기록, 사례, 경우 열 = 특성, 속성, 변수, field

13 독립변수와 종속변수

변수: 변할 수 있는 값 독립변수: 원인 - 결과와 상관없이 일어나는 것 종속변수: 결과 - 원인에 종속되어 결과가 나타남

상관관계는 인과관계를 포함함(상관관계가 더 큼) 상관관계: 인과관계: 독립변수와 종속변수의 관계

14 심리전

새로 산 스마트폰 vs 공부 도구로 생각하기 지루해지면 다음에 다시 해봐라

15 머신러닝의 분류

기계학습

• 지도학습: 분류, 회귀
• 비지도학습: 군집화, 변환, 연관 / 기계에게 통찰력 부여
• 강화학습: 경험을 통해 더 좋은것을 찾아감 / 게임같은거 - 더 큰 보상을 받기 위해 노력함

16 지도학습(supervised learning)

원인과 결과 과거의 데이터로부터 학습하여 미지의 데이터 예측

독립변수와 종속변수를 컴퓨터에게 주고 학습시킴 -> 컴퓨터는 식을 도출, 이를 모델이라고 함

17 회귀

종속변수가 숫자일 떄 회귀

18 분류

종속변수가 이름이나 문자열일 때

19 군집화

비슷한 것들을 찾아서 무리를 짓기 비슷한 행(관측치)을 그룹핑 하는 것

20 연관규칙학습

머신러닝-비지도학습-연관규칙-추천 열을 찾아주는 머신러닝 기법 비슷한 열(특성)을 그룹핑 하는 것

21 비지도학습 정리

비지도: 탐험적(데이터의 성격 파악), 독립/종속변수 구분 중요x, 데이터만 있으면 됨 지도: 역사기반(원인과 결과), 독립/종속변수 구분

22 강화학습

일단 해봄(경험) 행동의 결과에 대해서 상을 받거나 벌을 받음 어떻게 해야 상을 받고, 벌을 받는지 판단해서 행동 -> 반복시, 판단력이 강화됨 강화학습은 상태에 따라서 더 많은 보상을 받을 수 있는 행동을 에이전트가 할수있도록 하는 정책을 만드는것이 목적

23 머신러닝 지도

머신러닝 기법 너무 많아서 혼잡하다 무엇을 써야 하는지 지도해줌

24 수업을 마치며

생산도 설레이는 것 나는 머신러닝 엔지니어이다