Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.인공지능과 학습(1302김규환) - Coggle Diagram
2.인공지능과 학습(1302김규환)
기계 학습과 데이터
전통적 프로그래밍과 기계학습
전통적 프로그래밍
사람이 집의 가격을 결정하는 원라나 규칙을 찾아 프로그램을 작성함
기계학습
입력된 데이터로부터 규칙을 도출해 가격을 예측하는 프로그램을 만들어 냄
기계학습을 통한 문제 해결 과정
인공지능은 입력받은 훈련 데이터를 바탕으로 학습하고 규칙을 발견해 기계학습 모델을 만든다
문제 해결을 위한 데이터
저출산 문제
의류 산업
데이터 선정 및 수집하기
데이터 선정하기
데이터를 이루는 데이터 속성은 기계학습에서 매우 중요한 역할을 한다
데이터 수집하기 위한 다음 고려사항
기계 학습을 위해 충분한 양의 데이터인가?
신뢰 가능한 최신의 데이터인가
편향되지 않은 데이터인가?
필요한 속성에 대한 내용을 담고 있는 데이터인가
데이터 전처리와 핵심 속성 추출
데이터 전처리
결측치와 이상치의 유무를 파악하고 문제 해결에 필요한 속성이 무엇인지 선별한 다음 문제 해결에 적합한 형태로 데이터를 가공하는 과정을말한다
결측치
데이터의 값이 비어 있거나 누락된 상태를 뜻한다
핵심 속성 이해하기
속성값
각 속성이 가질수 있는 값
문자형
범주형
숫자형
정수형
실수형
히트맵으로 핵심 속성 추출하기
데이터 시각화 할시 어던 속성에 문제 있는지 직관적으로 판단가능
속성 간의 관계를 쉽게 파악가능
시각화 할때 도구는 막대그래프,히스토그램,원그래프,산점도 등이 있음
기계학습의 유형과 알고리즘
지도학습, 비지도학습, 강화학습 구분가능