머신러닝 용어 및 개념 - 텐서플로우(tensorflow)

머신러닝이란?

직역 - 기계학습.

즉 기계 스스로 학습하는것.

알고리즘과 머신러닝의 차이

입력값이 순서대로 2, 3, 4일때.

• 알고리즘
  • 3x+2와 같이 알고리즘이 정해져있음.
  • [출력] 8, 11, 14
  • 이때에 5를 입력시 17을 출력
• 머신러닝
  • Wx + b로 가설함수 수립.
  • 입력값에 대한 출력값(데이터 표본)을 통한 학습
  • W = 3, b = 2와같이 학습이 완료됨
  • 5입력시 17출력.

Supervised learning

레이블을 사전에 정의해 줄수 있고 추후에 입력되는 데이터가

어떠한 레이블에 속하는지

예) 고양이, 개, 토끼 등이 학습된 상태에서 사진 입력시

어떤 동물인지 출력.

Unsupervised learning

레이블을 사전에 정의해 줄수 없고 그때그때 판단해야 하는것

예) 연관된 뉴스 (비슷한 뉴스끼리 묶어져 있는것)

일반적으로 머신러닝이라 함은 대부분 Supervised learning을 의미함.

• 이미지 레이블링
• 스팸메일 필터
• 시험점수(성적) 예측

Training data set

직역 - 학습자료

'x라는 데이터가 입력되었을때 y라는 값이다' 에 대한 많은 양의 데이터

알파고 - 바둑을 두는 Ai

머신러닝 기반. 수많은 바둑플레이를 학습하여

각각의 수를 승리할 확률이 제일 높은곳에 두게한것

Supervised learning의 종류

출력되는 결과에 따라 다름.

1. regression - 점수(score)의 예측
2. binary classification - pass or non_pass 와 같이 둘중 하나로 예측
3. multi-label classification - A,B,C등급 과 같이 여러 라벨중 예측