Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능과 학습(1119 이은혁) - Coggle Diagram

- - - - 훈련데이터는 학습 모델을 만들기 위해 사용되고,테스트 데이터는 모델의 성능을 평가하기 위해 사용된다
- - - - 데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야 한다
      - 문제 해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일 수 있다
      - 문제해결에 필요한 속성을 핵심 속성이라고 한다
      - 핵심 속성이 부족하다면,추가 자료를 수집해야 한다
    - - 데이터의 속성 중에서 기계학습에 필요한 핵심 속성을 찾는 과정이 필요하다
      - 시각화할 때 사용하는 도구에는 막대그래프,히스토그램,원그래프,선점도,히트맵 등이 있다
      - 히트맵은 상관관계를 시각화한 그래프로 색을 이용해 배열을 나타낸다
      - 데이터를 시각화하면 어떤 속성이 문제 해결에 필요한지 직관적으로 판단 가능,속성 간의 관계를 쉽게 파악할 수 있다
      - 핵심 속성을 추출할 때는 히트맵을 주로 사용
      - 속성 간의 상관관계를 분석한 후 그 값을 히트맵으로 나타내면 해결하고자 하는 문제와 관련 깊은 핵심 속성들을 상관계수로 찾아내기가 쉬워짐
- - - - 선형 회귀 알고리즘은 예측값과 실젯값의 오차를 최소화하는 가설 함수를 찾고 최적화하며 학습을 진행한다
      - 최고 기온을 독립변수 x축으로,판매량을 종속 변수 y축으로 그래프를 그렸을 때 데이터를 표현하는 좌표평면 위의 점들을 가장 알맞게 이어주는 추세선 그린다
        
        직선은 y=wx+b의 형태로 표현할 수 있는데 이 식을 가설 함수라고 한다
        
        이를 가장 정확히 나타내는 w값과 b값을 찾아 수식을 만드는 것이 선형 회귀 알고리즘의 학습 과정이다
        
        예측값과 실젯값의 오차를 구하는 손실함수를 이용해 오차를 최소화하면서 예측의 정확도 높일 수 있다
  - - - 이진 분류는 주어진 데이터를 2개의 클래스로 분류하는 것이고,다중 분류는 주어진 데이터를 3개 이상의 클래스로 분류하는 것이다
  - - - 이 알고리즘은 임의의 군집으로부터 가까운 거리에 있는 데이터를 같은 군집으로 할당하고,군집의 중심을 변경되지 않을 떄까지 계속 바꾸며 조정하는 방식으로 군집을 형성한다
    - - 초기 중심점 설정
        
        데이터를 군집에 할당
        
        중심점 재설정
        
        데이터를 군집에 할당 반복
        
        중심점이 변하지 않으므로 완료
        
        중심점이 더 이상 이동되지 않을 떄까지 조정을 반복하고,더 이상의 변동이 없다면 군집을 확정한다
        
        데이터를 군집에 할당하는 방법과 중심점 재설정하는 방법을 반복한다
        
        형성된 군집의 데이터들끼리 중심점을 재설정하고,새로 설정된 중심점까지의 거리에 따라 데이터의 군집을 할당한다
        
        각 데이터에서 두 중심점까지 거리를 계산해 더 가까운 중심점의 군집으로 데이터들을 할당한다
        
        임의의 두 점을 군집의 중심점으로 설정한다
      - 군집이 정해지지 않은 데이터들이 초기상태로 입력된다
- - - - 규칙대로 수행하는 자동화 능력을 이용해 문제를 해결한다
      - 전통적 프로그래밍을 이용한 문제 해결 방식은 이러한 자동화 능력을 구현하기 위해 규칙을 프로그래머가 직접 만든다
      - 규칙을 표현한 알고리즘에 데이터를 입력하면 컴퓨팅 시스템이 알고리즘에 따라 처리한 결과 출력
    - - 컴퓨터는 입력된 데이터 속상들 간의 규칙을 학습해 모델을 생성한 후 새로운 입력 데이터의 결과를 판단하거나 예측한다
- - - - 해결하고자 하는 문제와 관련 있는 데이터인지 확인한다
    - - 수집할 방법이 없거나 수집하기 어려운 데이터는 피하고,수집할 수 있는 데이터를 선정한다
    - - 선정하려는 데이터가 개인 정보를 포함하거나 저작권 침해의 문제가 없는지 살펴본다
    - - 데이터의 정확성이나 데이터 제공자의 신뢰도가 떨어지는 데이터는 제외한다
    - - 데이터를 수집하는 데 드는 비용을 고려하여 선정한다