[구글 머신러닝 단기집중과정] 1강

1. 기본적인 머신러닝 용어 알아보기

(1) (지도)머신러닝이란?

ML 시스템은 입력을 결합하여 이전에 본 적 없는 데이터를 적절히 예측하는 방법을 학습한다.

(2) 용어 : 라벨 및 특성

1) 라벨(Label) : 예측하는 실제 항목(y), 기본 선형 회귀의 y변수를 의미한다.

2) 특성(feature) : 데이터를 설명하는 입력 변수($x_{i}$), 기본 선형 회귀의 ${x_{1},x_{2},...,x_{n}}$변수를 의미한다.

라벨이 있는 set은 모델을 학습시키는데 사용되며, 라벨이 없는 set은 새 데이터를 예측하는데 사용된다. 모델은 set을 예측된 라벨에 매핑하며 학습되는 내부 매개변수에 의해 정의된다.

(3) 모델

모델은 특성과 라벨의 관계를 정의한다.

1) 학습은 모델을 만들거나 배우는 것을 의미한다. 즉 라벨이 있는 set을 모델에 보여주고, 모델이 특성과 라벨의 관계를 점차적으로 학습하도록 한다.

2) 추론은 학습된 모델을 라벨이 없는 예에 적용하는 것을 의미한다. 즉 학습된 모델을 사용하여 유용한 예측을 하는 것이다.

(4) 회귀와 분류

1) 회귀 모델은 연속적인 값을 예측한다. 연속적인 값이란 캘리포니아의 주택 가격, 사용자가 광고를 클릭할 확률 등을 말한다.

2) 분류 모델은 불연속적인 값을 예측한다. 불연속적인 값이란 주어진 이메일이 스팸인지 아닌지 여부, 이미지가 강아지, 고양이의 이미지인지 판단하는 질문에 대한 답을 의미한다.

강의 링크 : 구글 머신러닝 단기집중과정