기초 위주 머신러닝 정리 - 0(Machine learning)

개념 정리

 

1. 결정 + 선택 = 결과

2. 인공지능 like 통계

3. 딥러닝은 머신러닝에 속하는 범주

4. 판단력 = 모델(model) = 찾아볼 자료

5. 학습은 모델을 만드는 과정

6. 표 = 데이터셋(data-set) row / column
 6-1. row(행) : 개체(instance), 관측치(observed value), 기록(record), 사례(example), 경우(case)
 6-2. column(열) : 특성(feature), 속성(attribute), 변수(variable), field

7. 독립변수(Independent variable), 종속변수(Dependent variable)
 7-1. 표의 column(열) = 변수
 7-2. 원인 -> 결과  === 원인 = 독립변수 | 결과 -> 종속변수
 7-3. 상관관계 : A특성이 B특성 변화에 영향을 미치는 경우
 7-4. 인과관계 : 원인이 결과에 미치는 경우
 7-5. 독립변수와 종속변수는 인과관계이다.

8. 기계학습(machine learning) = 지도, 비지도, 강화 학습
 8-1. 지도 학습 : 가르치는 학습(정답이 있음)
 8-2. 비지도 학습 : 스스로 하는 학습
 8-3. 강화 학습 : 경험을 통해 정답을 찾는 학습

9. 지도 학습(Supervised Learning) : 분류, 회귀
 9-1. 원인(독립변수) -> 결과(종속변수) : 행(row)의 관계
 9-2. 과거의 데이터를 통해(원인->결과) 학습을 하여 공식을 만들어 내는 것 : 모델(model)
 9-3. 과거의 데이터가 많아야 좋은 모델(model)이 생성 됨, 공식의 대중화
 9-4. 회귀(regression)
  9-4-1. 종속변수가 숫자인 경우(수치 위주의 데이터)
 9-5. 분류(classification)  
  9-5-1. 종속변수가 숫자가 아닌 경우

10. 비지도 학습(unSupervised Learning) : 군집화, 연관, 변환
  10-1. 군집화(clustering)
   10-1-1. 비슷한 행(row)을 찾아 그룹을 만드는 것
   10-1-2. 비슷한 대상을 그룹화 하는 것이 군집화, 분류는 어떤 대상 어떤 그룹인지 판단하는 것으로 차이가 남.
   10-1-3. 군집화를 위한 기술, 좌표평면
  10-2. 연관(association)
   10-2-1. 서로 관련이 있는 특성, 열(column)을 찾아 그룹을 만드는 것
  10-3. 변환(transformation)
   10-3-1. 데이터를 쉽게 해석할 수 있도록 변경하는 것(2차원 형태로)

11. 지도학습, 비지도학습 차이
 11-1. 지도학습은 독립변수, 종속변수를 통해 결과를 예측
 11-2. 비지도 학습은 변수와 변수들의 관계를 통해 성격(특성)을 예측

12. 강화학습(reinforcement learning)
 12-1. 보상(reward)을 받기 위한 환경에 적용
 12-1. 상태(state)에 따라 더 많은 보상(reward)을 받기 위한 행동(action)을 에이전트(agent)가 할 수 있도록 정책(policy)을 만드는 것
 12-2. agent가 environment의 state를 observation하고 이를 기반으로 action을 취함.
 12-3. 이 action으로 인해 reward를 얻게 됨
 12-4. 이 reward를 기반으로 더 많은 reward를 얻을 수 있는 방향으로 action을 취함.
 12-5. 마르코프 결정 프로세스