Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1325 허주완) - Coggle Diagram
기계학습과 데이터
-
기계학습을 통한 문제 해결 과정
우선 인공지능은 입력받은 훈련 뎅이터를 바탕으로 학습하고 규칙을 발견해 기계학습 모델을 만든다. 학습된 기계학습 모델에 문제 해결을 위해 사용할 데이터를 적용하면 결괏값이 출력된다.
-
데이터 편향의 영향력
데이터 편향은 데이터가 한쪽으로 치우친 성질을 말하는 것으로, 잘못된 학습 결과를 도출해 기계학습의 정확도를 떨어뜨리는 원인을 된다. 데이터의 양이 부족하거나 데이터에 목적과 관게없는 속성이 포함되어 학습을 방해하는 경우, 다양한 데이터를 포함하지 않았거나 개인의 주관이 작용한 데이터를 사용하는 경우 등에 편향이 발생할 수 있다.
-
-
데이터 전처리와 핵심 속성 추출
-
핵심 속성 추출하기
데이터는 관찰이나 실험을 통해 수집되는 값들을 의미하며, 하나의 데이터는 여러 개의 속성으로 구성되어 있다.
핵심 속성 이해하기
데이터의 모든 속성은 기계학습에 어떤 영향을 미치는지 확인해야 한다. 문제 해결에 필요한 속성만 선택하여 사용해야 기계학습의 성능을 높일 수 있다. 이때 문제 해결에 필요한 속성을 핵심 속성이라고 한다.
-
기계학습의 유형과 알고리즘
기계학습의 유형
기계학습은 데이터를 활용하는 방식에 따라 지도학습, 비지도학습, 강화학습으로 구분할 수 있다.
지도학습
지도학습은 입력 데이터와 정답 데이터를 함께 사용하여 기계학습 모델을 학습시키는 방법이다. 입력 데이터와 그 정답에 해당하는 속성도 함께 제공되므로 학습 결과에서의 오류 여부와 성능을 쉽고 명확하게 평가할 수 있다.
-
강화 학습
강화학습은 판단할 때마다 외부 환경에서 보상을 제공하고, 이 보상의 값을 최대화하기 위한 방향으로 학습을 진행한다.
-