Python - ML 개요 및 정의.

🛟 Dive.·2024년 2월 24일

ML python

ML - 개요 및 정의.

머신러닝의 개요.

머신러닝의 정의.

‘기계학습’으로도 불리는 인공지능의 한 분야.
인간의 학습 능력을 컴퓨터로 실현하려는 기법.
1959년 아서 새무얼이 최초로 정의.
- “프로그램으 명시적으로 작성하지 않고 컴퓨터에 학습할 수 있는 능력을 부여하기 위한 연구 분야.”
1998년 톰 미첼이 구체적으로 정의.
- “머신은 컴퓨터, ‘러닝’은 학습.
  - 머신러닝이란, ‘컴퓨터를 통한 학습’을 나타냄.

머신러닝의 다양한 정의.

“머신러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터를 작동시키는 과학.”
“머신러닝은 규칙기반 프로그래밍에 의존하지 않고, 데이터로부터 학습할 수 있는 알고리즘을 기반으로 함.”
“머신러닝 알고리즘은 에제를 일반화하여 중요한 작업을 수행하는 방법을 파악할 수 있다.”

머신러닝의 연도별 주요 개발 모델과 특징.

머신 러닝.

머신러닝은 데이터에서 지식을 추출하는 작업.
예제를 통해 학습할 수 있는 시스템.
- 데이터로부터 유용한 규칙 등을 추출하는 기능.
- 경험을 통해 데이터 기반으로 학습하고 예측.
프로그래밍하기 어려운 작업의 해결에 주로 활용됨.

머신러닝과 전통적인 프로그래밍과의 차이점.

전통적인 프로그래밍.
- 모든 규칙들을 작성함.
- 만약 규칙들이 추가로 작성될 경우 유지 관리가 어려운 문제점.
머신러닝.
- 시간에 따라 점차 효율이 향상됨.
- 입출력 데이터의 관계를 학습하여 규칙을 생성.

머신러닝의 개요.

전통적인 프로그래밍과 머신러닝의 차이점.

프로그래밍에서는 데이터와 규칙이 결합하여 출력을 생성.
머신러닝에서는 데이터와 출력이 함꼐 들어가서 규칙 생성.

머신러닝과 인공지능과의 관계.

머신러닝은 인공지능에 속하는 부분 집합.
인공지능은 머신러닝을 포함하는 상위 개념.

머신러닝 알고리즘 분류.

머신러닝 활용 분야.

머신러닝의 적용사례.

⇒ 머신러닝의 나의 생각은 지금도 머신러닝은 문자인식, 음성인식, 영상인식 등 수많은 곳에서 사용이 되고 있다. 나는 앞으로도 머신러닝, 딥러닝 분야가 발전되어서 사람이 할 수 없는 정도의 일들을 앞으로도 많이 사용 될 것 같다.

파이썬을 이용한 회귀분석 실습

인간의 키와 몸무게는 어느 정도 비례할 것으로 예상된다. 아래와 같은 데이터가 있을 때, 선형 회귀를 이용하여 학습시키고 키가 165cm일 때의 예측값을 얻어보시오.( 파이썬으로 구현)

import matplotlib.pylab as plt
from sklearn import linear_model

# 선형회귀 모델을 생성.
reg = linear_model.LinearRegression()

# 데이터는 파이썬의 리스트로 만들어도 되고 아니면 넘파이의 배열로 만들어도 됨.
X = [[174], [152], [138], [128], [186]] # 2차원으로 만들어야 함. 학습 데이터는 반드시 2차원 배열이어야 한다.
y = [71, 55, 46, 38, 88]

# 학습을 시킨다.
reg.fit(X, y)

print(reg.coef_)
print(reg.intercept_)
print(reg.predict([[5]]))

plt.scatter(X, y, color = 'black')

y_pred = reg.predict(X)

plt.plot(X, y_pred, color = 'blue', linewidth = 3)
plt.show()