Machine Learning 101_시작 전 큰그림

해당 페이지는 간단한 요약설명 위주에 개론입니다.

무슨 데이터를 사용할 때는 어떤 모델을 먼저 시도하면 되겠구나라는 대략적인 느낌만 갖길 바랍니다.

자세한 설명은 각각 따로 올리겠습니다. 

 

추천하는 자세한 설명 링크 : https://docs.microsoft.com/ko-kr/azure/machine-learning/algorithm-cheat-sheet

 

📌 Machine Learning이란 무엇인가?

- 주로 기존 방식으로는 해결 방법이 없고 사람의 손이 많이 타는 문제에 사용하는 것을 추천하며, 복잡한 문제나 대량의 데이터에서 의미를 도출할 때 사용 가능하다.

- 관련 단어 비교

Machine Learning	Big Data
Big Data를 통하여 예측,분석하는 방법 중에 하나	단순히 많은 데이터
자세한 설명 링크	https://searchbusinessanalytics.techtarget.com/tip/Big-data-vs-machine-learning-How-they-differ-and-relate

Machine Learning	Artificial Intelligence
AI의 하위 분류 데이터를 통계적으로 만드는 방법	인공지능
자세한 설명 링크	https://youtu.be/9QErWiClGjM

Machine Learning	Statistics(통계)
통계학자들이 만들어 놓은 모델을 실생활에서 사용되는 데이터에 적용 통계학의 한계를 극복하는 것이 목적	통계학
자세한 설명 링크	https://towardsdatascience.com/the-actual-difference-between-statistics-and-machine-learning-64b49f07ea3

- 머신러닝 알고리즘의 종류 분류

•  사람의 관리하에 훈련 : 지도, 비지도, 준지도, 강화
• 실시간으로 점진적 학습 : 온라인 학습, 배치학습
• 기존 데이터 인지 새로운 데이터인지에 따라 : 사례 기반 학습, 모델 기반 학습
• 어떤 알고리즘을 선택해야 하는지 자세한 설명 : https://docs.microsoft.com/ko-kr/azure/machine-learning/how-to-select-algorithms

 

---

- 기초로 배우는 머신러닝 

• 지도학습(Supervised Learning)
• 비지도학습(Unsupervised Learning)
• 딥러닝(Representation Learning)
• 강화학습(Reinforcement Learning)

 

📌 지도학습(Supervised Learning)이란?

- 정답을 갖고 지도를 하는 학습

- 선형(Linear model, 직선을 기준으로 학습)모델과 비선형 모델(직선이 아닌 모든 형태) 로 분류됨

- 선형 모델(Linear model)은 분류와 회귀로 분류함

분류(Classification)	타켓변수(taget,Y)변수가 이산형(discrete)이나 범주형(categorical)일 때 주로 사용되며, 메일의 스팸예측이나 동물 분류등이 있다. -모델 평가 : Precision(정밀도), Recall(재현율), Accuracy(정확도)
회귀(Regression)	타겟변수(taget,Y)가 연속형(continuous)나 실수(real number)일 때 사용되며, 주가예측이나 비트코인 예측등이 있다. - 모델 평가 : MSE, MAE, RMSE, RMSLE, R-Squared

- 비선형 모델(nonlinear model)은 데이터를 어떻게 변형하더라도 파라미터를 선형 결합식으로 표현할 수 없는 모델이다. 

Decision trees, Local regression, Smoothing splines, GAM etc.. 종류가 많다.

---

📌 비지도학습(Unsupervised Learning)이란?

- 정답을 데이터에서 구하기 어렵거나 지도가 없는 상황에서 진행하는 것

 

군집화 (Clustering)	밀도 추정 (Density estimation)	연관 규칙 분석 (Association rule mining)	잠재 요인 추출 (Extracting latent factors)
개체들이 주어졌을 때, 개체들을 몇 개의 클러스터(부분 그룹)으로 나누는 과정	관측된 데이터의 확률 분포를 추정하여 데이터와 변수의 관계를 파악하는 방법	데이터 간의 연관 규칙을 확률 기반으로 평가	쉽게 측정할 수 없는 요인인 기본 잠재 변수와의 연관성 추출

---

📌 강화학습(Rainforcement learning)이란?

정답을 모르지만 보상을 바탕으로 달성하고자 하는 목적을 이루도록 학습

자세한 설명 : https://www.kdnuggets.com/2018/03/5-things-reinforcement-learning.html

---

📌딥러닝(Deep learning)이란?

기계학습에 속해 있는 개념으로, 업무를 수행함에 따라서 자체 학습을 하는 컴퓨터 알고리즘으로 이루어져 있습니다.

엄청난 양의 데이터를 multilayered neural networks을 이용해서 학습합니다.

데이터세트가 적거나, 평균적인 비지니스에서는 사용이 적합하지 않습니다.

자세한 설명 : https://blog.bismart.com/en/difference-between-machine-learning-deep-learning

자세한 설명 : https://bernardmarr.com/how-do-you-know-when-and-where-to-apply-deep-learning/