머신러닝의 기초
- 최초 등록일
- 2019.04.20
- 최종 저작일
- 2019.02
- 3페이지/ 한컴오피스
- 가격 1,000원
목차
1. 정의
2. 일반화
3. 알고리즘 유형
4. 과대적합(Overfitting)
5. 과소적합(Underfitting)
6. 과대적합, 과소적합, 정확도 와의 관계
7. 해결방법
8. 머신러닝 과정
본문내용
1. 정의
- 데이터를 이용하여 데이터 특성과 패턴을 학습하여, 그 결과를 바탕으로 미지의 데이터에 대한 미래결과(값, 분포)를 예측하는 것
- 기계(컴퓨터)가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야
2. 일반화
- 훈련(학습) 이후 새롭게 들어온 데이터를 정확히 처리할 수 있는 능력
3. 알고리즘 유형
3-1. 지도 학습
- 데이터에 대한 Label(명시적인 답)이 주어진 상태에서 컴퓨터를 학습시키는 방법
- 훈련 데이터로부터 하나의 함수를 유추해내기 위한 방법
- 분류(Classification)와 회귀(Regression)로 나뉘어진다.
- 분류 : 미리 정의된 여러 클래스 레이블 중 하나를 예측하는 것(ex. 생물의 암, 수 구 분, 사람 몸무게의 저체중, 보통, 과체중)
- 회귀 : 연속적인 숫자를 예측하는 것(ex. 어떤 사람의 교육수준, 나이, 주거지를 바탕으로 연간 소득 예측, 부동산 가격 예측), 예측 값의 미묘한 차이가 크게 중요하지 않다.
참고 자료
없음