[머신러닝] 머신러닝으로 문제 표현하기 / 머신러닝 용어 정리

머신러닝 용어 정리

학습목표

• 기본적인 머신러닝 용어 알아보기
• 다양한 머신러닝 용도 알아보기

• 지도 머신러닝 / Supervise Machine Learning 

입력을 결합하여 모델을 만들고, 이전에 보지 못한 데이터에 대해서도 적절히 예측하는 방법

• 라벨 / Label

예측하는 실제 항목 (y)

기본 선형 회귀의 y 변수

예) 스팸메일 여부, 밀의 향후 가격, 사진에 표시되는 동물의 종류, 오디오 클립의 의미 등

• 특성 / Feature

데이터를 설명하는 입력 변수 (xi)

기본 선형 회귀의 { x1, x2, ... xn } 변수

예) 이메일에 포함된 단어, 보내는 사람의 주소 이메일이 전송된 시간, '이상한 속임수 하나'라는 구문이 포함된 이메일

• 예 / Example

데이터 (x)의 특정 인스턴스

라벨이 있는 예와 라벨이 없는 예로 구분

라벨이 있는 예

• { 특성, 라벨 }(x,y)이 포함됨
• 모델을 학습시키는 데 사용 됨

라벨이 없는 예

• { 특성, ? }(x,?)이 포함됨
• 새 데이터를 예측하는 데 사용 됨

• 모델 / Model

특성과 라벨의 관계를 정의

학습

모델을 만들거나 배우는 것, 라벨이 있는 예를 모델에 보여주고, 모엘이 특성과 라벨의 관계를 점차 학습하도록 하는 것

추론

학습된 모델을 라벨이 없는 예에 적용하는 것을 의미, 학습된 모델을 사용하여 유용한 예측(y')를 해냄

회귀와 분류(Regression and Classification)

• 회귀 모델(Regression Model)

연속적인 값을 예측

• 캘리포니아의 주택 가격은 얼마인가요?
• 사용자가 이 광고를 클릭할 확률은 얼마인가요?

• 분류 모델(Classification Model)

불연속적인 값을 예측

• 주어진 이메일 메시지가 스팸인가요, 스팸이 아닌가요?
• 이 이미지가 강아지, 고양이 또는 햄스터의 이미지인가요?