머신러링 머신러링하는데 머신러링이 먼지 간단하게 정리하고자 한다.

왜하나?

엄청난 데이터(사람이 수작업으로 할 수 있는 분량을 넘어선 수준)를 분류하거나 혹은 특정 기준으로 식별/판단 작업이 필요한 경우가 있다. 이런 일은 컴퓨터로 진행하기 위해서는 컴퓨터에게 판단 기준 프로그래밍해주어야 한다. 이런 판단 기준이 하나의 함수로 표현되어 0/1로 구분 지면 간단하겠지만 그렇지 않은 경우가 많다. 이런 복잡한 판단 기준 함수를 조율해 나가는 것을 학습이라고 한다.

러링 모델 : Learning Model, 판단 기준 함수

입력으로 값(데이터, 예. 남녀판단 모델 : 치마를 입음 사람->남자, 바지를 입은 사람->여자 등등) 넣으면 우리가 원하는 결과를 반환하는 함수이다.

예>사람의 전신 사진을을 넣으면 남자/여자 구별하는 러링 모델.

선형 모델 : linear model

아주 기본이 되는 러링 모델. 제일 쉬움. 선형 모델의 식이 보통 아래와 같은 형태이다.

f(x1,x2)=w0+w1x1+w2x2

위키백과 이미지 선형 회귀 - 위키백과, 우리 모두의 백과사전 참조

그래프로 1사분면을 직선으로 나누어서 데이터를 분류함. 선 을 기준으로 데이트를 이등분한다.
선을 어디에 두면 결과치가 좋을지 조정하는 작업이 학습이라고 한다.

위식에서 x1, x2를 입력값을 요인이라고 부른다.
입력값 x1, x2 를 값을 넣었때 결과가 도출이된다. 그럼 좀더 정확한 결과를 도출하기 위한 w0, w1, w2는 얼마일까?
그걸 찾아가는 과정이 러링 알고리즘으로 데이터셋을 학습이라고한다.

머신러링 과정(지도 학습).

예시 데이터(data) ->
식별 레이블(label) 붙이고 ->
데이터셋 만들고 { (예시, 레이블) … } ->
러링 알고리즘을 사용하여 러링 모델을 데이터셋을 사용하여 보정 ->
최종 조정 모델 추론.

딥러링

신경망(neural networks) 구조를 러닝 모델을 사용하는 머신러닝 패러다임을 딥 러닝(deep learning) 이라고 한다.