Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습
(1524 정다운) - Coggle Diagram
인공지능과 학습
(1524 정다운)
-
01, 2.데이터 선정 및 수집하기
-
-
데이터 수집 시 고려 사항:
- 기계학습을 위해 충분한 양의 데이터인가?
- 편향되지 않은 데이터 인가?
- 필요한 속성에 대한 내용을 담고 있는 데이테인가?
- 신뢰 가능한 최신 데이터인가?
02, 1.데이터 전처리와 핵심 속성 추출:
-
- 결측시 처리하기
결측시란 데이터의 값이 비어 있거나 누락된 상태을 뜻한다.
- 이상치 처리하기
이상치란 평균적인 데이터 범위보다 지나치게로 이상치로 간주될수 있다.
2.핵심 속성 추출하기
데이터는 관찰이나 실험을 통해 수집되는 값들을 의미하며, 하나의 데이터는 여러개의 속성으로 구성되어있다.
- 핵심 속성 이해하기
데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야 한다.
- 히트맵으로 핵심 속성 추출하기:
데이터를 시각화 하면 어떤 속성이 문제 해결에 필요한지 직관적으로 판단할 수 있으며, 속성 간의 관계를 쉽게 파악할 수 있다.
기계하급은 데이터를 활용하는 방식에 따라 지도학습, 비지도학습,강화 학습으로 구분할 수 있다.
- 지도학습:
지도학습은 입력 데이터와 정답 데이터를 활용하여 기계학습 모델을 학습시키는 방법이다.
- 비지도학습:
비지도학습은 정답 데이터 없이 입력 데이터만으로 이루어진 훈련데이터를 사용하여 모델을 학습시키는 방법이다.
- 강화 학습:
강화 학습은 판단할 때마다 외부 환경에서 보상을 제시하고,이 보상의 최대화 하기 위한 방향으로 학습을 진행한다.
-
03.강화 학습
강화 학습은 판단할 때마다 외부 환경에서 보상을 제공하고, 이 보상의 값을 최대화하기 위한 방향으로 학습을 진행한다.
-
- 회귀
회귀는 어떤 현상에 영향을 미칠 수 있는 여러 요인과 특정 결과 사이의 관계를 함수로 표현해 연속적인 수치를 예측하는 기계학습 방법이다.
- 분류
분류는 미리 정의된 여러 범주로 데이터를 구분하기 위한 경계를 학습하여 새로운 입력이 들어오면 여러 범주중 하나를 선택하는 과정으로 지도학습의 한 형태이다.
- 군집
군집은 비지도 학습 알고리즘의 일종으로, 데이터가 어떻게 그룹화되어야하는지 미리 정의하지 않고 컴퓨터가 데이터 패턴을 스스로 찾아내는 방식이다.