모두를 위한 딥러닝 Lec 01 ML 용어와 개념 설명

Lec 01 ML 용어와 개념 설명

우선, Machine learning은 explicit한 programming이라고 설명하셨다.

일일이 프로그래밍을 하는 것이 아니라 자동으로 학습시키면 어떨까?

라는 생각이 ML의 시작이라고 할 수 있다. 대표적으로 Supervised learning과 Unsupervised learning이 있다.

Supervised learning은 labeled 된 데이터들을 가지고 training을 시키는 것이다.

예를 들어, image labeling, spam filter처럼 데이터들이 이미 여러 카테고리로 분류 되어진 것들이다.

반면, Unsupervised learning은 일일이 label을 정하기 어려워서 스스로 학습하게 하는 것이다.

이제 Type에 따라 분류하면 다음과 같다.

1. Regression
   • ex> predicting exam score
2. Binary classification
   • ex> Pass/Non-pass
3. Multi-label classification
   • ex> letter grade(A,B,C,D) based on time spent

위의 세가지 타입은 공통적인 특성을 가진다.

Supervised learning의 중요한 특징이라고도 할 수 있는 것인데

특정 test data set을 regression 등의 모델을 통해 train 시키고,

이제 원하는 X 값을 넣었을 때, y로 예측되는 값을 출력하는 것이다.

그렇다면, 여기서 중요한 것은

어떤 원리로 가장 정확도가 높은 예측 값을 결정할 수 있을까이다.

이 부분은 다음 강좌인 Lec02에서 정리하겠다.