✏️ 실전 머신러닝 기초 공부자료
👀 머신러닝의 개념
📌알고리즘 (Algorithm)
문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것, 계산을 실행하기 위한 단계적 절차
📌머신러닝(Machine Learning)이란?
알고리즘을 공식화해보자!
전날 마신 커피 잔 수에 따른 시험 점수
score = 10 * coffee + 40
100% 정확하지 않지만 추세를 예측하는데는 도움이 된다.
🔥머신러닝은 이러한 추세를 예측하는 계산을 컴퓨터가 학습해서 도출할 수 있도록 하는 문제 해결방식!
📌딥러닝
머신러닝이라는 큰 범주에 속하는 내용 중 하나.
📌머신러닝의 회귀와 분류
머신러닝에서 문제를 풀 때, 해답을 내는 방법 중 회귀와 분류로 크게 나눈다
📌회귀(Regression)
연속적인 데이터의 추세를 예측하는데 사용하는 머신러닝 방식
📌분류(Classification)
비연속적인 데이터의 추세를 예측하는데 사용하는 머신러닝 방식
비연속적인 데이터는 성공/실패, 미수/미이수, 강아지/고양이 등 수치와 연관성이 적음
📌회귀와 분류를 동시에 사용할 수 있는 문제?
-
- 입력값 : 얼굴사진
- 출력값 : 나이 -> 클래스(10대,20대,...)
📌지도학습
정답이 있고, 정답을 대조해보면서 학습하는 방식
회귀와 분류가 해당됨
📌비지도학습
정답이 없으며, 정답 없이 스스로 학습하는 방식
- Input Data : 정렬되지 않은 데이터를 마구잡이로 넣음
- Annotation : 없음, 알려주지 않음
- Model : 모델이 학습후 처리
- Prediction : 과일 별로 분류하기
📌강화학습
게임이나 실시간처리에서 많이 사용됨
대표적인 예시가 AlphaGo
주어진 데이터없이 실행과 오류를 반복하면서 학습하는 방법
학습해서 행동한 내용에 대해 보상을 받으면서 학습함
🚀 선형 회귀 (Linear Regression)
선형 회귀란?
회귀 문제를 선형적으로 그래프 직선 하나만으로 예측할 수 있음
간단하지만 강력한 효과
모든 법칙을 선형적이라고 가정하고 접근해서 만들어짐!
- 공부시간이 많을 수록 공부를 잘하게 된다
예제_시험 전 날 마신 커피 잔 수에 따라서 시험 점수 예측
👣 풀이
해당 값의 그래프를 보면서 예측 모델 가설을 세우고, 수식으로 표현할 수 있다
가설 (Hypothesis)
H(x) = Wx + b
✍️가설은 개발자가 정해준다. 컴퓨터가 정해줄 수 없음!
이 가설을 회귀 문제로 풀기 위해 입력, 정답값을 파악하자
- 입력 : 커피 잔 수
- 출력 : 점수
- 정답값 : 1,2,3,4 잔의 점수 데이터
그래프로 만들었을때, 정답 값이 그래프 위에 점으로 찍혀있다.
적절하지 않은 가설을 세워서 그래프로 확인하면 정답값과 멀어져 있다.
그 거리를 Mean Squared Error 평균제곱오차
🗣입력과 정답값을 활용해 가설이라는 직선을 점과 최대한 가깝게 만들어 보도록 W,b 값을 바꾸면서 끊임없이 실험하면서 기계가 학습하는 것이 머신러닝의 선형 회귀!
다중 선형 회귀 (Multi-variable Linear Regression)
예제_커피 잔수와 시험 점수, 그리고 게임 플레이 시간까지?
- 입력 : 커피 잔 수, 게임 플레이 시간
- 출력 : 시험 점수
입력 값이 두 개 이상이 되는 경우부터 다중 선형 회귀를 사용함
