머신러닝

.인공지능 > 머신러닝 > 딥러닝
.인공지능: 문제해결을 위해 사람처럼 학습/이해하는 것
.머신러닝: 인간의 학습능력을 기계를 통해 구현하는 것
.딥러닝: 심층 신경망 기반의 머신러닝 분야

머신러닝 처리과정
.전처리 - 특징추출 - 학습 - 결정함수 - 분류,회귀,군집화
.전처리 - 특징추출 - 분류,회귀,군집화

특징추출
.핵심 정보를 추출하는 것
.불필요한 정보 제거

성능평가
.학습시스템
.목적함수: 목표를 수학적 함수로 정의한 것
.오차함수: 대표적인 목적함수, 출력값과 기대값의 차이

데이터분석
.분류
.회귀
.군집화

데이터표현
.특징추출

분류
.클래스 정보가 주어짐
.출력값이 이산값을 가짐
.베이즈 분류기, k-최근접이웃 분류기, 결정트리, 랜덤 포레스트, svm, 신경망
.학습결과 -> 결정경계와 결정함수
.학습목표: 분류 오차를 최소화하는 최적의 결정경계를 찾는 것

회귀
.입력변수와 출력변수 사이의 매핑 관계를 분석
.시계열 예측, 선형회귀, 비선형회귀, 로지스틱 회귀, svm, 신경망
.학습결과 -> 회귀함수
.학습목표: 회귀 오차를 최소화하는 최적의 회귀함수를 찾는 것

군집화
.서로 비슷한 몇 개의 그룹으로 묶는 문제
.클래스 정보가 주어지지 않음
.신경망(som), 데이터 그룹화, 영상 분할
.학습결과 -> k개의 서로소인 부분집합(클러스터)
.학습목표: 회적의 클러스터 집합을 찾는 것
(클러스터 내 분산은 최소, 클러스터 간 분산은 최대)

특징추출
.차원축소, 데이터 시각화
.주성분분석(PCA), 선형판별분석(LDA)
.학습결과 -> 변환함수
.학습목표: 분석 목적에 다라 다름

머신러닝 유형
.지도학습 : 분류, 회귀
.비지도학습: 군집화
.강화학습: 보상을 이용

과다적합
.학습 시스템이 학습데이터에 대해서만 지나치게 적합한 형태로 결정경계가 형성되는 현상
.원인: 학습 데이터의 잡음과 학습데이터 개수 부족
.영향: 일반화 성능 저하 초래
.대처: 다양한 학습데이터, 조기 종료, 모델 선택 등