머신러닝 개념

• 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법 통칭

머신러닝 분류

지도학습

• 명확한 결정값이 주어진 데이터를 학습
• 분류, 회귀, 시각, 음성, 인지

비지도학습

• 결정값이 주어지지 않는 데이터를 학습
• 군집화(클러스터링), 차원 축소

머신러닝 알고리즘 유형

• 기호주의 : 결정트리 등
• 연결주의 : 신경망, 딥러닝
• 유전 알고리즘
• 베이지안 통계
• 유추주의 : KNN, 서포트 벡터 머신

머신러닝 단점

• 데이터에 너무 의존적
• 복잡한 머신러닝 알고리즘으로 인해 도출된 결과를 이해하기 어려움
• 학습 데이터에 최적의 결과를 도출하기 위해 수립된 머신러닝 모델은 실제 데이터에 적용 시, 과적합 되기 쉬움

파이썬 기반 머신러닝

장점

• 확장성, 연계, 호환성
• deep learning으로 가기 쉬움

주요 패키지

• NumPy, SciPy(배열, 선형대수, 통계)
• pandas(데이터 핸들링)
• matplotlib, seaborn(시각화)
• jupyter(대화형 툴)
• scikit-learn(머신러닝 패키지)

파이썬 기반 머신러닝을 위한 SW의 설치

anaconda 설치

Anaconda | Individual Edition

visual studio build tool 설치

Windows 및 Mac용 Visual Studio 2019 다운로드