머신 러닝

머신 러닝이란?

• 컴퓨터(머신)가 데이터의 패턴을 학습해서 규칙(함수)를 만들고, input data가 들어오면 해당 규칙에 따라 행동하도록 하는 AI 기법
• 이때, 이 규칙(함수)를 model이라 부르고, 입력하는 데이터를 input data, 출력하는 데이터를 output 또는 label이라고 부른다.

머신 러닝 workflow

1. Data Collecting
2. Data Analysis
3. Data Preprocessing
4. Modeling(Training)
5. Model Evaluation
6. Model Deploy
7. Model Monitoring & Retraining

머신 러닝 종류

모델 학습 방식에 대한 분류

• 지도 학습 Supervised Learning
  • 분류 Classification
  • 회귀 Regression
• 비지도 학습 Unsupervised Learning
  • 군집
  • 생성 모델
• 강화 학습 Reinforce Learning
  • 게임
  • 로봇
  • 자율주행
  • 추천 시스템

모델 task/데이터타입에 의한 분류

• 영상 데이터 처리
• 자연어 처리
• 시계열 데이터 처리
• 정형 데이터 처리
• 등등
  
  

머신 러닝의 학습 방법

• ML은 자기가 갖고 있는 학습 알고리즘에 의해 데이터의 패턴을 학습한다.
• 그 과정 속에서 본인이 학습한 모델로 1차적인 예측값인 y_pred를 생성한다.
• 실제 label data의 값인 y_real과 예측값인 y_pre의 비교를 통해 loss값을 추출한다.
• loss값을 점점 축소시키면 실제값에 가장 가까운 y_pred를 구할 수 있게 된다.
• regression model에서는 이 과정을 거쳐 나온 y_pred를 결과값으로 사용한다.
• classification model에서는 y_pred값을 sigmoid 함수에 넣어 0과 1의 binary 값으로 만들어 최종 예측값으로 사용한다.
• sigmoid 함수는 input값을 0과 1 사이의 함수값으로 변환해주는 함수다. 따라서, sigmoid를 거쳐 나온 값이 0.5이상이면 1로, 0.5 미만이면 0으로 판별하게 된다.

Sigmoid 함수 실습
https://velog.io/@songhyeonm/perceptron