멋쟁이사자처럼 머신러닝 복습 1 (K-MOOC)

1. 머신러닝 기본 개념

- 머신러닝은 인공지능을 구현하는 한 가지 방법이다.

- 머신러닝은 함수를 학습하는 과정이다.

- 알고리즘을 컴퓨터에게 입력을 시켜주면 컴퓨터가 스스로 데이터 안에 있는 유용한 패턴을 찾아서 유용한 함수를 찾아준다.

- 딥러닝 기술은 머신러닝의 일종이자 머신러닝의 하위 알고리즘이며 인간의 인지능력, 시각능력, 언어적인 능력 등의 인지능력과 관련된 모델링을 하는 데 있어서 유용하게 사용되는 기술이다.

- 머신러닝의 방법에는 딥러닝 뿐 아니라 Linear Regression, K-nearest neighbor, Decision Tree등의 다양한 방법이 존재한다.

- 오차를 정의하고 계산해서 더 작은 오차를 내는 최종적인 모델을 결정하는 과정이 머신러닝의 기본 개념이라고 생각하면 된다.

 

2. 머신러닝 학습 개념

Linear Regression (선형회귀)

- 기본적이고 대표적인 머신러닝 방법론

- input하고 output 간의 관계가 선형적

선형회귀 기본 공식

Loss function (손실함수)

- 모형 출력값과 실제 값과의 차이를 구해서 제곱을 취한후 평균을 내어 확인한다. (Mean Squared Error)

- 제곱을 하는 이유는 어떤 오차는 플러스고 어떤 오차는 마이너스 오차가 나올 수 있는데 모든 오차들을 더해버리면 플러스, 마이너스 관계들이 다 상쇄가 되면서 아무 의미 없는 오차가 되기 때문

- Mean Squared Error라는 가장 대표적인 출력 값이 연속적인 변수일 때 가장 대표적으로 활용하는 손실함수이다.

 

최적화

- 손실함수를 정의했다면 최적화 단계로 진행

- loss function을 최소화로 해주는 베타값을 찾는 과정

 

3. 결론

머신러닝이란 대략적인 함수의 형태를 지정해주고 로스함수를 정의한 다음에 최적화를 통해 학습을 시켜주면 컴퓨터가 데이터의 패턴을 학습하게 되고 최종적으로 학습된 모델을 출력하게 되는 과정으로 이루어져 있다.