coursera : 기계 학습 - 지도 머신 러닝: 회귀 및 분류

머신 러닝 -> 지도 학습, 비지도 학습, 추천 시스템, 강화 학습

1) 지도 학습 알고리즘:
정답이 포함된 학습할 수 있는 학습 알고리즘 예제를 제공 (입력, 출력 모두 제시)

• 회귀:
  가능한 무한한 숫자로 숫자를 예측
  ex. 주택 가격 예측 - 15만원, 17,003,294원 등

  • 선형 회귀 모델:
    xy 그래프가 선형인 선형 함수
    y-hat: y 추정값 or 예측값
    모델의 파라미터: 모델을 개선하기 위해 훈련 중에 조정할 수 있는 변수
    • 중요:
      1) 비용 함수 정의 (최대한 작게)
      $J = \frac{1}{2m}\displaystyle\sum_{i=1}^{m}{({\hat y_i}-{y_i})^2} = \frac{1}{2m}\displaystyle\sum_{i=1}^{m}{({f_{w,b}(x_i)}-{y_i})^2} = \frac{1}{m}\displaystyle\sum_{i=0}^{m}{({\hat y_i}-{y_i})^2} = \frac{1}{m}\displaystyle\sum_{i=1}^{m}{({f_{w,b}(x_i)}-{y_i})^2}$

• 분류:
  범주(카테고리) 예측
  ex. 악성 종양1 or 악성 종양2 or 양성 종양

2) 비지도 학습 알고리즘:
정답이 정해지지 않은 알고리즘 (입력만 제시)

• 클러스터링:
  서로 유사한 속성을 갖는 데이터를 알아서 같은 군집으로 묶어주는 작업 (군집화)
• 예외 항목 탐지:
  - 비정상적인 이벤트를 탐지하는 데 사용
  - 특이한 사건이나 비정상적인 거래가 사기의 징후가 될 수 있는 금융 시스템 및 기타 여러 애플리케이션에서 사기 탐지에 매우 중요한 역할
• 차원 축소

오늘날 기계 학습 및 데이터 과학 실무자들이 가장 널리 사용하는 도구는 Jupyter Notebook