Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.인공지능과 학습(1523 임윤아) - Coggle Diagram
2.인공지능과 학습(1523 임윤아)
3.기계학습의 유형과 알고리즘
기계학습의 유형
-
-
-
기계학습 알고리즘의 유형:회귀,분류 알고리즘(지도학습),군집알고리즘(비지도학습)
-
-
강화학습:판단할 때마다 외부 한경에서 보상을 제공,이 보상값을 최대화 하기 위한 방향으로 학습을 진행,사전에 환경에 대한 명확한 정답이 없는 상황에서 학습하고 적응하는 과정을 따르기 때문에 지능 에이전트의 학습 과정에 유용하게 활용
-
-
-
1.기계학습과 데이터
-
-
기계학습을 통한 문제 해결 과정: 훈련데이터 수집,인공지능 학습하게,인공지능 모델,문제 해결을 위한 새로운 데이터,결과(정보)
문제 해결을 위한 데이터 훈련데이터의 질이 좋지 않거나 질이 좋더라도 데이터의 양이 충분하지 않으면 기계학습 모델의 성능은 좋지않음, 수집한 데이터의 양이 편향을 띤다면 학습결과도 정확하지 않음
데이터의 공정성:데이터 수집 과정의 공정성,데이터 처리 및 분석의 공정성,데이터 사용의 공정성,투명성과 설명 가능성
데이터 선정 및 수집하기
데이터 선정하기:문제 적합성,수집가능성,정보보호,데이터의 품질,데이터 수집 비용
데이터 수집하기
수집시 고려사항:1.기계학습을 위해 충분한 양의 데이터인가? 2.편향되지 않은 데이터인가? 3.필요한 속성에 대한 내용을 담고 있는 데이터인가? 4.신뢰 가능한 최신의 데이터인가?
-
2.데이터 전처리와 핵심 속성 추출
-
결측치 처리하기
결측치가 있는지 확인,결측치가 있는 행이나 열을 삭제하거나 평균,중앙값,최빈값 등의 대푯값으로 결측치를 대체,타이태닉 데이터로 결측치 유무 확인
이상치 처리하기
정상 범위의 기준 정하기,데이터를 시각화하여 속성들의 븐포 살펴보기
핵심 속성 추출하기
핵심 속성 이해하기:문제해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일 수 있음,핵심 속성이 부족하다면 추가자료 수집
히트맵으로 핵심 속성 추출하기:히트맵은 상관관계를 시각화한 그래프로 색을 이용해 배열을 나타낸다,속성 간의 상관관계를 분석한 후 그 값을 히트맵으로 나타내면 해결하고자 하는 문제와 깊은 핵심 속성들을 상관계수로 찾아내기 쉬워진다 시각화할 때 사용하는 도구:막대그래프,히스토그램,원그래프,산점도,히트맵 등
6.딥러닝으로 손글씨 비교하기
렐루:렐루 함수는 입력값 x가 음수이면 0으로 출력,x가 양수이면 해당 값인 x를 그대로 출력
소프트맥스:소프트맥스 함수는 3개 이상을 분류하는 다중 분류에 사용,예측 확률을 0과 1 사이의 값으로 나타내며 이때 출력값의 총합은 1로 비율을 파악
-
딥러닝으로 손글씨 비교하기:1단계 문제 정의, 2단계 데이터 수집 및 전처리하기, 3단계 딥러닝과 알고리즘 선정하기,4단계 성능 평가하기
5.딥러닝의 이해와 활용
인공 신경망과 딥러닝
-
퍼셉트론:인공신경망을 실제로 구현한 연산 장치,여러 개의 입력값 처리,인공신경망의 가장 작은 단위
딥러닝의 개념:딥러닝이란 여러 개의 은닉층을 포함하여 만든 심층 신경망을 통해 학습이 이루어지는 기계학습의 한 방법,딥러닝에서는 입력층에서 은닉층을 거쳐 출력층으로 연속적인 연산이 이루어짐,칭이 깊을 수록 학습 시간이 오래걸림,과대적합 발생 가능성
딥러닝의 학습 원리:가중치와 편한을 찾아가는 과정,학습의 최종 목표는 최적의 편향을 찾는 것,손실함수:훈련 데이터를 잘 학습했는지 파악하는 함수,최적화:손실함수의 값이 최소가 되도록 가중치와 편향을 갱신하는 과정,경사하강법:무작위로 설정된 초기 가중치의 값을 수정하며 아래 방향으로 일정하 거리인 학습률만큼씩 이동
딥러닝의 활용분야
컴퓨터비전:사람이 눈으로 사물을 보고 인식하는 것처럼 컴퓨터의 활용을 통해 정지 영상이나 동영상을 분석하여 의미있는 정보를 추출하는 기술,자율주행자동차를 구현하는 핵심 기술 중 하나,대표적인 딥러닝 알고리즘:합성곱 신경망
-
-