[TIL]221018_Sparta 내일배움캠프_머신러닝

알고리즘

• 어떠한 문제를 해결하기위해 정해진 일렬의 절차나 방법을 공식화한 형태로 표현한 계산을 실행하기 위한 단계적 절차

---

머신러닝 문제 푸는 방법

• 회귀
  • 출력값이 연속적인 소수점으로 예측하게 하도록 푸는 방법
• 분류
  • 이진 분류 : 0,1등 2개의 형식으로 나눈 분류법
  • 다중 분류 : 여러가지 클래스로 나누어 분류하는 방법

머신러닝

• 지도

  • 정답을 알려주면서 학습 시키는 방법

• 비지도

  • 정답을 알려주지않고 스스로 비슷한 것끼리 나누는 방법
    

• 강화 학습

  • 주어진 데이터 없이 실행과 오류를 반복하며 학습하는 방법
    
  • 에이전트(Agent)
  • 환경(Environment)
  • 상태(State)
  • 행동(Action)
  • 보상(Reward)

선형 회귀 ( 지도학습 )

• 모든 문제는 선형이 가능하다고 가정하고 푸는 방법 ( 가설 )
  

• 점과 선 사이의 거리 구하는 방법

  • H(x) : 우리가 가정한 직선이고
  • y : 정답 포인트
  • H(x)와 y의 거리(또는 차의 절대값)가 최소가 되어야 이 모델이 잘 학습되었다고 말할 수 있다.
  • $H(x) = Wx + b$
  • $Cost = {{1\over N}\sum_{i=1}^{N}{(H(x_i) - y_i) ^ 2}}$

경사 하강법 (Gradient descent method)

• 손실 함수값을 최소한으로 만들기 위한 방법중 하나
  

• 그래프의 최소점에 도달하게되면 학습을 종료

데이터 셋 분할

• 학습 (Training set)
  • like 교과서
  • 전체 데이터의 약 80%
• 검증 (Validation set)
• like 모의고사
• 모델의 성능을 검증
• 튜닝의 지표
• 테스트 (Test set)
  • like 수능
  • 실제 환경에서의 평가 데이터

---

Colab

• 구글에서 만든 개발 환경
• 구글 드라이브에 파일을 올리고 웹상에서 직접 코드를 돌릴수 있다.

선형 회귀 실습

---

Keras

• numpy : 선형대수적인 함수 계산에 특화 되어있는 패키지
• Dense : 학습 층 layer (아래 이미지상 동그라미)
  • 학습을 여러가지 할 수 있도록 해준다.