Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능 학습(1203 권회주) - Coggle Diagram
인공지능 학습(1203 권회주)
기계학습과 데이터
기계학습과 문제 해결
-
문제 해결을 위한 데이터
훈련 데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 높지 않을 것이다. 또한 수집한 훈련 데이터가 편향을 띤다면 이 데이터를 이용한 학습 결과도 정확하지 않을 것이다.
전통적 프로그래밍과 기계학습
전통적 프로그래밍은 A라는 입력에 B라는 규칙을 적용해 Y를 출력한다 는 것을 사람이 작성하는데 비해 기계학습은 A라는 데이터가 입력될 떄 결과가 Y가 되는 규칙 B를 기계가 찾을 수 있도록 학습시킨다.
데이터 선정 및 수집하기
데이터 선정하기
데이터의 수집 가능성, 정보 보호 여부, 데이터의 품질, 데이터 수집 비용 등의 요인을 고려하여 조건에 부합하는 데이터를 선정해야 한다.
-
데이터 전처리와 핵심 속성 추출
핵심 속성 추출하기
핵심 속성 이해하기
데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야 한다. 문제 해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일 수 있다. 이때 문제 해결에 필요한 속성을 핵심 속성이라고 한다.
히트맨으로 핵심 속성 추출하기
데이터를 시각화 하면 어떤 속성이 문제 해결에 필요한지 직관적으로 판단할 수 있으며, 속성 간의 관계를 쉽게 파악할 수 있다. 시각화 할때 사용하는 도구에는 막대 그래프, 히스토그램, 원그래프, 산점도, 히트맴 등이 있다
-
기계학습의 유형과 알고리즘
기계학습의 유형
-
-
강화학습
판단할 때마다 외부 환경에서 보상을 제공하고, 이 보상의 값을 최대화하기 위한 방향으로 학습을 진행하는 방법이다.
기계학습 알고리즘의 이해
-
-
군집
비지도 학습 알고리즘의 일종으로, 데이터가 어떻게 그룹화되어야 하는지 미리 정의하지 않고 컴퓨터가 데이터 패턴을 스스로 찾아내는 방식이다.
-