Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.인공지능과 학습(1424 조혜빈) - Coggle Diagram
2.인공지능과 학습(1424 조혜빈)
01.기계학습과 데이터
-
-
현재 상태와 목표 상태가 무엇인지 핵심 요소 분석 기계 학습을 통해 해결할 수 있는 문제인지 훈련 데이터의 양과 질 프로그램 성능 그러나 충분한 양과 우수한 품질로 적합한 모델 생성
-
-
데이터 선정 고려 사항
1.문제 적합성: 문제와 관련 있는 데이터인지 확인한다
2.수집 가능성:어려운 데이터는 피하고 수집할 수 있는 데이터 선정
3,정보 보호:개인정보를 포함하거나 저작권 침해의 문제 살피기
4.데이터의 품질:데이터의 정확성이나 신뢰 떨어지는 데이터 제외
5.데이터 수집 비용:비용을 고려 선정한다.
-
03.기계학습과 유형과 알고리즘
-
-
2비지도학습(군집,이상치)
데이터를 유사한 속성값을 갖는 그룹으로 묶는다
새로운 정보를 찾고자 할때 유용하다
3강화학습(전략수집,최적화)
현재 상태에서 선택 가능한 행돌들 둥 보상이 가장 큰 경우른 선택하여 해당 방향으로 학습을 진행한다
마케팅 전략수집 등의 최적화 문제로 주로 활용
1회귀
어떤 형상에 영향을 미칠 수 있는 여러요인과 특정 결과 사이의 관계를 함수로 표현해 연속적인 수치를 예측하는 기계학습
독립변수는 주로 입력값 의미
종속변수는 주로 결과값 의미
회귀 모델을 만들 때 사용하는 대표적인 알고리즘 선형 회귀
2분류
여러 범주로 데이터를 구분하기 위한 경계를 학습하여
하나를 선택하는 과정으로 지도학습의 한 형태다
즉 데이터가 어떤 클래스에 속하는지를 찾는 것이다
이진분류:2개의 클래스 분류
다중분류:3개이상의 클래스 분류
분류 모델 대표적인 알고리즘 로지스틱 회귀,k-최근접 이웃
3군집
데이터가 어떻게 그룹화되어야 하는지 미리 정의하지 않고
데이터패턴을 스스로 찾아내는 방식이다
학습 데이터가 입력된 데이터의 특성을 분석하여 입력된
데이터의 특성을 분석하여 유사한 특성을 가진 데이터끼리 그룹화한다
특성을파악하고 데이터를 그룹으로 묶는것
군집모델을 만들때 사용하는 대표적인 군집 알고리즘:k-평균 알고리듬
02.데이터 전처리와 핵심 속성 추출
-
결측치 처리하기
에러가 발생하거나 잘못된 결과가 산출되어 기계 학습 모델 성능에 부정적인 영향을 미칠 수 있다
방법은 결측치가 있는 행이나 열을 삭제하는 방법과 평균,중앙값,최빈값 등의 대푯값으로 결측치를 대체하는 방법이 있다
이상치 처리하기
분석 결과가 왜곡될 수 있으므로 정상 범위의 기준을 정해야 한다
데이터가 충분하다면 이상치를 포함하는 행을 삭제할 수 있다.
데이터가 적합하지 않다면 적합한 값으로 대체해야 한다.
최댓값과 최솟값 사이의 평균을 구한 후 이 값으로 수정할 수 있다
-
-
히트맵:상관관계를 시각화한 그래프로 색을 이용해 배열을 나타낸다
핵심 속성들을 상관계수로 찾아내기가 쉬워진다
시각화할때 사용하는 도구:막대그래프,히스토그램,원그래프,산점도,
히트맵
산점도그래프는 두변수 간의 관계를 나타내기 위해 시각화한것이다
05.딥러닝의 이해와 활용
-
-
-
-
딥러닝의 활용 분야
1.컴퓨터 비전
컴퓨터 비전 분야의 대표적인 딥러닝 알고리즘으로 합성곱 신경망은
동물의 시밥 인지 과정을 모방한 인공신경망 모형 중 하나로
이미지 처리에 높은 성능을 보여준다.
예시:차량탐지,사람탐지,보안 검색대 탐지
합성공 계층과 풀링 계층으로 구성되며 두 계층을 반복하여
학습을 진행하면서 이미지의 특성을 추출
2.음성 인식과 자연어 처리
자연어 처리 기술
잡음 제게 및 소리 보정 기술
음성을 텍스트로 변환하는 기술 등이 포함
예를 들어 인공지능 스피커에게 날씨를 물으면 음성 인식과 자연어
처리 시스템은 다음과 같이 동작한다
음성 인식과 자연어 처리 분야에 사용되는 대표적인 딥러닝 알고리즘
순환 신경망은 데이터간의 관계나 순서가 중요한 순차적인 데이테를
입력받아 결과를 도출하는 딥러닝 모델로 자연아 처리나 시계열 데이터
등을 처리하는데 주로 사용된다
-