Supervised Learning
기계 학습 중 컴퓨터가 입력값과 그에 따른 출력값이 있는 데이터를 이용하여 주어진 입력에 맞는 출력을 찾는 학습 방법
Learning Pipeline
- Training 단계
학습 sample의 label이 주어지고 error를 줄여나가면서 학습이 진행된다. - Test 단계
model이 실제 환경에 적용되는 것으로, Test 단계에서는 새로운 입력 영상을 이용한다.
머신러닝은 데이터의 결핍으로 인한 불확실성을 포함하므로 일반화가 중요하다. Supervised Learning은 Generalization Error를 최소화 하도록 노력한다.
- Generalization (Goal): a model needs to perform well on unseen data
-Generalization error; the goal is to minimize this error, but it is impractical to compute in the real world
Errors
Training Error: model을 주어진 data set에 맞추어 학습하는데 사용하는 error이다.
Test Error: 전체 data set에서 일부 sample을 따로 빼 test sample을 정의하는데 test sample에서 나타나는 error가 test error이다. (=generalization error)
How to achieve the goal in practice? 
Avoid overfitting
- Data Argumentation
- Regularization
- Ensemble
