Machine Learning Lecture 1.

Machine Learning

Arthur Samuel(1959) 체커 프로그램 개발.

Definition : Field of study that gives computers the ability to learn without being explicitly programmed.(명시적으로 프로그램된 바 없이 컴퓨터가 학습할 수 있는 능력을 가지게 하는 학문)

Question

→ 학습 한 표본 수가 적을 수록 성능은 어떻게 될까? → Worse

Machine Learning Algorithms

• Supervised Learning(지도 학습) → 빠른 발전 및 실생활에서 주로 사용.
• Unsupervised Learning(비지도 학습)
• Recommender Systems(추천 시스템)
• Reinforcement Learning(강화 학습)

⇒ Practical Advice for applying Learning algorithms (기계 학습 분야에선 기계 학습을 진행하는 도구뿐만 아니라 효율적으로 기계 학습을 돌리도록 하는 방법이 중요.)

Supervised Learning

Supervised Learning

• X(input) → Y(Output) 사이의 관계를 알아내는 것.(mapping)
• 정답이 포함된 예제를 주는 것.(Learns from being given “right answers”)

Example

새로운 입력 X를 가져다가 적절한 출력 Y를 생성하도록 추정하는 모델.

Regression : Housing Price Prediction

Regression을 직선으로 가거나 곡선으로 가는 방향에 따라 예측되는 집값이 다름.

Classification : Breast cancer detection

• 0 / 1와 같이 n분법적인 Output Value.
• 불연속적인 Value.

Unsupervised Learning

Unsupervised Learning

• 라벨되어있지 않은 데이터에서 특징을 찾는 것(ex. Clustering)

Clustering

1. Google News → panda + twin 등의 keyword 통한 유사 기사 찾기.
2. DNA Microarray → DNA Type Divide.
3. Grouping Customers

Anomaly Detection(이상 탐지)

⇒ Find unusual data(이상 데이터) points.

Dimensionality Reduction(장바구니)

⇒ Compress data using fewer numbers.