AI 머신 러닝

머신  러닝

'모델 '

: 이전에 접한 적 없는 데이터 집합에서 패턴을 찾거나 이를 근거로 결정을 내릴 수 있는 프로그램

 

'독립 변수'

: 원인이 되는 열

'종속 변수'

: 결과가 되는 열

 

독립 변수와 종속 변수의 관계를 인과 관계라고 한다.

인과 관계는 상관 관계에 포함된다.

 

'지도 학습'

: 정답이 있는 문제를 해결

- 주로 과거의 데이터로부터 학습해서 미지의 결과를 예측함

- 지도 학습을 위해 과거의 데이터를 독립변수와 종속변수로 분리해야 함.

- 독립변수와 종속변수의 관계를 컴퓨터에게 학습 > 컴퓨터는 그 관계를 설명할 수 있는 공식 생성
=> 이 공식을 머신러닝에서는 ‘모델’

 

- 예측하고 싶은 종속변수가 숫자 일 때 '회귀' 사용

> 결과 데이터(종속 변수)가 양적 데이터

- 예측하고 싶은 결과가 이름 혹은 문자일 때 '분류' 사용

> 결과 데이터(종속 변수)가 범주형 데이터

 

 

'비지도 학습'

: 무언가에 대해 관찰을 통해 새로운 의미나 관계를 밝혀냄

- 비슷한 것들끼리 모아서 적당한 그룹 생성 '군집화'

> 비슷한 관측치 (행)를 그룹핑

-서로 가까운 관측치를 찾아주는 머신러닝 기법

- 서로 연관된 특징을 찾아냄 '연관' == 장바구니 분석

> 서로 관련이 있는 특성(열)을 찾아주는 머신러닝 기법

 

 

'강화 학습'

: 더 좋은 보상을 받기 위해 수련

ex) 알파고

- 강화학습의 핵심은 일단 해보는 것

- 경험을 통해서 실력을 키워 나감

- 경험의 결과가 자신에게 유리하면 상, 아니면 벌

> 이러한 과정을 모방해서 기계를 학습

> 더 많은 보상을 받을 수 있는 정책을 만듦