[Python] 머신러닝 완벽 가이드 # 01. 머신러닝의 개념

✏️ 01. 머신러닝의 개념

머신러닝이란?

• 머신러닝이란 애플리케이션을 수정하지 않고도 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법을 통칭한다.

• 현실 세계에서의 매우 복잡한 조건으로 인해 기존의 소프트웨어 코드만으로는 해결하기 어려웠던 많은 문제점들을 이제 머신러닝을 이용해 해결해 나가고 있다.

• 특히 인간만이 가지는 인지능력만이 해결 가능하다고 여겨졌던 다양한 분야에서 머신러닝의 응용이 두드러지고 있으며 데이터 마이닝, 영상 인식, 음성 인식, 자연어 처리에서 머신러닝을 적용하면서 급속하게 발전하고 있다.

머신러닝과 기존 컴퓨터 사이언스의 차이점

• 기존 컴퓨터 사이언스는 로직을 미리 만들어서 데이터를 받아 결과를 확인하는 방식

• 머신러닝은 특성 데이터와 결과를 넣어 로직을 머신이 학습하는 방식
  - 머신러닝 모델에 문제 데이터와 정답 데이터를 반복적으로 넣어주면 입력된 데이터의 패턴을 파악하여 어떤 연산이 이루어 질지를 학습하게 된다
  

머신러닝 분류

• 지도학습(Supervised Learning)

  • 명확한 결정값이 주어진 데이터를 학습

  • 머신러닝 모델에게 문제(feature)와 답(label)을 모두 제공

• 비지도학습(Un-supervised Learning)

  • 결정값이 주어지지 않는 데이터를 학습

  • 머신러닝 모델에게 문제(feature)만 제공

1. 지도 학습

• 분류
• 회귀
• 추천 시스템
• 시각/음성 감지/인지
• 텍스트 분석, NLP

2. 비지도 학습

• 군집화(클러스터링)
• 차원 축소
• 강화학습

모델링 및 예측 프로세스

1. 데이터 세트 분리 : 데이터를 학습 데이터, 테스트 데이터로 분리

2. 모델 학습(fit) : 학습 데이터를 기반으로 머신러닝 알고리즘을 적용해 모델을 학습

3. 예측 수행(predict) : 학습된 머신러닝 모델을 이용해 테스트 데이터로 예측

4. 평가(evaluate) : 예측된 결괏값과 테스트 데이터의 실제 결괏값을 비교해 머신러닝 모델 성능을 평가

📌 참고 문헌

• 책

  • 📕 파이썬 머신러닝 완벽 가이드 / 권철민

• 해당 챕터의 실습 및 예제 코드는 아래 링크의 Machine Learning 참조 해주시면 됩니다.

  • ✍️ DataSci-Notes