머신러닝 1일차

개요

• 머신러닝 : 데이터를 스스로 학습하여 성능을 향상
• 튜링테스트 : 기계에 지능이 있다고 인정하는 방식
• 지도학습 => 학습시 사람의 가공이 들어가야함 (개입해서 정답이 무엇인지 판별)
  - 데이터에 대한 라벨(정답)이 주어진 상태에서 컴퓨터 학습 시키는 방법
  - 분류와 회귀
  - 분류 : 범주형 데이터(카테고리형, 혈액형)
  - 회귀 : 연속형 데이터(수치형, 키, 몸무게)
  
  
• 비지도학습 => 경험
  - 데이터에 대한 라벨(정답)이 주어지지 않은 상태에서 컴퓨터 자율학습 시키는 방법
  - 특징, 구조, 패턴을 찾아서 군집화(그룹화)만 시킨다.
  - 클러스터링, 차원축소
  
  
• 강화학습 => 경험
  - 데이터에 대한 라벨(정답)이 완전하게 주어지지않음
  - 더 많은 보상을 얻을 수 있는 방향으로 행동 학습
  - 게임이나 로봇을 학습시키는데 많은 시간이 걸림
  - 파브로프의 개?
  
  

머신러닝 과정

• 문제정의, 데이터수집, 데이터 전처리에서 시간과 디테일을 요구한다.
• .fit (학습 함수), .predict (예측 함수)
  

### AND 연산하기
- 모델 학습(and연산)
- 머신러닝 전체과정 알아보기
### 머신러닝 과정
1. 문제정의
2. 데이터수집
3. 데이터 전처리
4. EDA (탐색적 분석)
5. 모델선택, 하이퍼파라미터 조정
6. 학습
7. 평가
#AND연산자 데이터 준비

import pandas as pd
#데이터 프레임 생성하기(딕셔너리 사용)
AB = pd.DataFrame({'A':[0, 0, 1,1],'B':[0, 1, 0,1],'A and B':[0,0,0,1]})
#수가 적은 데이터는 분리하지 않고 전체를 사용
# 학습을 위한 문제데이터
X_train = AB[['A','B']]#2차원
# 답데이터
y_train = AB['A and B']#1차원
#데이터 크기 확인하기 (크기:shape)
print('훈련용 문제 :',X_train.shape)#(행,열)
print('훈련용 답 :',y_train.shape)