텐서플로우를 통한 데이터 예측

학습 목표

인공지능, 머신러닝, 딥러닝의 차이와 머신러닝과 딥러닝의 학습과정에 대해 알아보기

핵심 키워드

인공지능, 머신러닝, 딥러닝

지도학습, 비지도 학습

분류와 회귀

지도학습의 학습과 예측 과정

---

Point

인공지능에는 머신러닝과 딥러닝이 하위개념으로 있습니다. 인공지능이라는 기술은 어느 날 갑자기 등장한 개념이 아니라 이미 1950년대부터 등장했던 개념입니다.

머신러닝을 통해 우리는 스팸메일인지 아닌지를 구분한다든지 딥러닝을 통해 고양이인지 강아지인지 이미지를 학습해서 분류를 해볼 수도 있습니다.

머신러닝은 지도학습, 비지도학습, 강화학습으로 구분할 수 있고, 지도학습과 비지도학습을 나누는 기준은 정답값이 있는지 없는지에 대한 여부에 따라 학습을 구분하게 됩니다.

또, 지도학습에는 분류와 회귀라는 개념이 존재하게 됩니다.

분류는 범주형 데이터를 나눌 때 사용하며 회귀는 연속된 수치데이터를 예측할 때 사용합니다.

*그림으로 보는 지도학습

이전 수업까지 분석했던 자동차 연비 데이터셋을 통해 자동차의 연비를 예측해 볼 예정입니다.

자동차의 연비는 연속된 수치데이터 이기 때문에 회귀로 예측해 볼 수 있습니다.

만약 데이터셋의 origin 값을 예측한다면 분류로 예측해 볼 수 있을 것입니다.