Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1527 조서연) - Coggle Diagram
인공지능과 학습(1527 조서연)
기계학습의 유형과 알고리즘
기계학습의 유형
-
-
3.강화학습: 판단할때 마다 외부 환경에서 보상을 제공하고, 이 보상의 값을 최대 강화하기 위한 방향으로 학습 진행.
-
기계학습과 데이터
-
데이터선정 및 수집하기
데이터 선정하기: 기계학습을 위한 데이터를 선정할떄는 우리가 해결하고자하는 문제와 관련 있는 데이터인지 확인해야한다.
1.문제적합성
2.수집가능성
3.정보보호
4.데이터의 품질
5.데이터 수집 비용
데이터 수집하기: 데이터를 수집하기 위해서는 4가지 사항을 고려해야한다.
1.기계학습을 위해 충분한 양의 데이터인가?
2.편향되지 않은 데이터 인가?
3.필요한 속성에 대한 내용을 담고 있는 데이터인가?
4.신뢰 가능한 최신의 데이터인가?
데이터 전처리와 핵심 속성 추출
데이터 전처리하기:
1.결측치 처리하기: 결측치란 데이터의 값이 비어있거나 누락된 상태를 뜻함.결측치가 있으면 데이터를 분석하는 과정에서 에러가 발생하거나 잘못된 결과가 산출 되어 기계학습 모델 성능에 부정적인 영향을 미칠수 있음 그러므로 결측치가 있는지 확인하고 적절하게 처리해야함.
-
핵심 속성 추출하기:
1.핵심 속성 이해하기: 데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야함. 문제 해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일 수 있음. 이때 문제 해결에 필요한 속성을 핵심 속성이라고 한다. 만약 핵심 속성이 부족하다면, 추가 자료를 수집해야 함.
2.히트맵으로 핵심 속성 추출하기: 히트맵은 상관관계를 시각화한 그래프로 색을 이용해 배열을 나타냄
속성 간의 상관관계를 분석한 후 그 값을 히트맵으로 나타내면 해결하고자 하는 문제와 관련 깊은 핵심 속성들을 상관계수(r)로 찾아내기가 쉬워짐
딥러닝의 이해외 활용
-
딥러닝의 활용분야
-
음성 인식과 자연어처리:순환 신경망(RNN)
-
-
3.자연어 처리
-형태소 분석
-구문분석
-의미분석
-담화,의도 분석
-
딥러닝으로 손 글씨 분류하기:
기계학습은 문제 해결에 필요한 핵심 속성을 사람이 추출해야 한다. 핵심 속성을 추출하
는 과정은 많은 시간이 소요되며, 속성을 잘못 추출하면 기계학습의 성능이 떨어질 수 있 다. 반면 딥러닝은 학습 과정에서 데이터의 특성을 스스로 찾기 때문에 핵심 속성을 잘못 추출해 성능이 떨어질 가능성은 없다
-