3 Steps in Supervised Learning
Step 1-1: Collection Data
- Crowdsourcing이 data labeling에 자주 사용된다.
- Crwodsourcing : 기업활동의 전 과정에 일부를 개방해 모두가 참여하게 해두고 그 수익을 참여자와 공유하는 방법
- x, y의 관계에서 y가 정의가 되어야만 한다. 아니면 진행될 수 없다.
Step 1-2: Extraction Features
- data로부터 특징들을 추출해내야 한다.
Step 2: Choosing a ML Model
- Logistic regression, Support vector Machine : 단순한 형태의 분류 모델
- Decision Tree, Random forest : Tree 기반의 분류 모델
- Nearest neightbor : 주어진 데이터에서 근처의 데이터들을 통해 Labeling하는 모델(비선형 모델)
- Neural network, Multilayer perception : Deep learning에서 사용되는 모델
Step 3: Optimizing Paramenters
- 주어진 모델에서 학습하고자 하는 Parameter의 값을 결정하는 단계
-> 어떤 parameter가 주어진 모델에서 가장 최적으로 표현되는가 - y와 f(x)사이의 Error를 최소화 하는 과정이 필요하다.
-> Error는 w에 의존하므로 최적화된 w를 찾아야 한다. - Optimization 방법으로는 Analyatic / Numerical solution 으로 나뉠 수 있다.
heec.choi