Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능과 학습(1127 홍태민) - Coggle Diagram

- - - - 충분한 양, 우수한 품질 데이터 > 적합한 모델 생성 가능 > 기계학습으로 해결 가능성 높은 문제
        조건 충족 x > 가능성 낮은 문제
        
        훈련 데이터:
        대용량, 좋은 품질. 둘 중 하나라도 충족 x > 성능 낮음
        편향 있을 시 > 학습 결과 정확 x
        적합한 속성(특성) 부족 > 성공적 모델 생성 어려움
        
        해결 가능성 감소
        
        저출산 문제: 요인 복합적 > 핵심 요소 파악 어렵
        
        페이스 디픽셀라이저: 데이터 편향 사례- 모두 백인으로 변환
        
        예:
        과거 구입 이력 등 데이터 충분하고, 물건을 고르는 규칙 발견 가능 데이터 충분 > 상품 추천 시스템 만들기 with 기계학습 > 가능성 높음
        
        데이터 공정성: 데이터 수집, 처리, 사용, 공유에서 공평성, 투명성
        수집 과정의 공정성 : 편향 X
        처리 및 분석 공정성: 편향, 불공정 결과 X
        사용 공정성: 공정하게 사용, 활용 시 불필요한 차별, 편견 X
        투명성, 설명 가능성: 처리 과정은 투명하고 설명 가능해야 함
- - - - 회귀모델:
        훈련 데이터 > 독립 변수, 종속 변수 규칙 파악 > 학습된 규칙에 새로운 입력값 대입 > 예측값 얻어냄
        독립 변수 : 주로 입력값
        종속 변수 : 주로 결괏값
        
        선형 회귀 알고리즘:
        예측값, 실젯값 오차 최소화 하는 가설함수 찾고, 최적화하며 학습
        예: 독립 변수를 x축, 종속 변수 y 축 그래프 그림 > 데이터 표현하는 점들 가장 알맞게 이어주는 추세선.
        
        직선: y=wx+b ; 가설 함수
        선형 회귀 알고리즘의 학습 과정: 가장 정확히 나타내는 w, b 값을 찾아 수식을 만드는 것
        예측값, 실젯값 오차 구하는 손실함수 이용
        
        해보기 1
    - - 로지스틱 회귀
      - k-최근접 이웃
        
        해보기 2
        
        버지니카, k=3, ? 최근처 3개 중 버지니카 2개, 버시칼라 1개로 버지니카가 더 많기 때문
        
        버시칼라, k=5 ? 최근처 5개 중 버시칼라 3개, 버지니카 2개로 버시칼라가 더 많기 때문
- - - - 충분한 양
        편향 X
        필요한 속성
        신뢰 가능한 최신
    - - 개인이 만들어 공유한 데이터(민간 데이터)
      - 여러 기업, 공공 기관(공공 데이터)
        파일 or API 형태 > 공공 데이터
      - 원 저작권 침해 X
    - - 인터넷 검색
        웹크롤링
        설문조사, 인터뷰 결과
        여러 센서 > 값 수집
- - - - 처리법:
        행, 열 삭제 (데이터 손실, 핵심인지 아닌지 유의)
        [평균, 중앙값,최빈값] : 대푯값 으로 대체
  - - - 속성값: 각 속성이 가질 수 있는 값, 숫자, 텍스트 등
        숫자형 > 정수형(이산형) & 실수형(연속형)
        문자형 > 범주형
      - 핵심 속성 이해:
        모든 속성 어떤 영향 미치는지 확인.
        필요한 속성만 선택, 사용 > 기계학습 성능 향상
        필요한 속성= 핵심속성
        핵심 속성 부족 > 추가 자료 수집
        (문제, 상황에 따라 필요한 속성 달라질 수 있다.)
        
        핵심 속성을 찾는 과정: 시각화.
        시각화 도구: 막대그래프, 히스토그램, 원그래프
        
        히트맵: 상관관계
        핵심속성을 상관계수(r)로 찾아내기 쉬움
        
        상관관계 분석:
        두 속성 간 관련성을 -1.0 ~ 1.0 사이의 상관계수(r)로 설명.
        양수: 양의 상관관계
        음수: 음의 상관관계
        상관계수(r)의 값은 절대값 1에 가까울수록 두 속성간의 관련성이 높은것.
        증가 증가 > 양의 상관관계 / 증가 감소 > 음의 상관관계
        
        산점도: 점
        점을 찍어 시각화
        독립변수, 종속변수
        
        해보기 1