머신러닝이란?

모든 모델에 대한 설명이다.

수학적 모델. 입력과 출력이 결정되어 있는 상태에서 파라미터를 어떻게 Optimzer 할 것인지.

딥러닝, 머신러닝에 이론적 - 통계적으로 접근.

 

머신러닝이란?

기계학습. 장치가 무언가를 배우는 것

Supervised Learning : 지도학습. MNIST Data 같이 각각의 결과값을 알고 있음. 분류, 성향분석

Unsupervised Learning : 비지도학습. 비슷한 것끼리 분류하는 작업. 클러스터링 (군집)

Reinforcement Learning : 강화학습. 환경과 상호작용하며 학습하는것. 게임(알파고), 자율주행

Deep Learning : 모든분야에 사용. 성능이 뛰어남

 

Classification

모델이 존재하고, 입력 X에 대한 결과값 Y'이 Y와 얼마나 일치하는지를 측정함.

분류 모델이다.

 

Regression

Regression은 분포에 대한 Line 을 선정한다.

 

Clustering 

군집화라고 하며, 레이블이 주어지지 않은 상태에서 비슷한 성질끼리 묶이는 방법.

Reinforcement Learning

환경이 주어지고, 모델이 어떠한 액션을 취했을때 환경에 대한 결과에 따라 벌과 상을 주는것.

인터프리터를 딥러닝으로 대체한 것이 알파고 등 여러 신기술이다.