machine-learning
기계 학습 및 그것의 분류

기계 학습이란 무엇입니까?

기계 학습의 두 가지 정의가 제공됩니다. 아서 사무엘 은 이것을 다음과 같이 묘사했습니다.

컴퓨터에 명시 적으로 프로그래밍하지 않고 학습 할 수있는 학습 분야입니다.

이것은 오래되고 비공식적 인 정의입니다.

Tom Mitchell 은보다 현대적인 정의를 제공합니다.

컴퓨터 프로그램은 P에 의해 측정 된 T에서의 작업에서의 성능이 경험 E로 향상된다면 어떤 종류의 작업 T와 성능 측정 P와 관련하여 경험 E로부터 학습한다고 말해진다.

예 : 체커 연주.

E = 많은 체커 게임 경험

T = 체커를하는 작업.

P = 프로그램이 다음 게임에서 이기게 될 확률.

일반적으로 모든 기계 학습 문제는 다음 두 가지 범주 중 하나로 분류 될 수 있습니다.

1. 감독 학습
2. 무 감독 학습.

감독 학습이란 무엇입니까?

감독 학습은 알려진 데이터 세트 (학습 데이터 세트라고 함)를 사용하여 예측을 수행하는 기계 학습 알고리즘의 한 유형입니다.

감독 학습 범주 :

1. 회귀 : 회귀 문제에서 우리는 연속 출력 내에서 결과를 예측하려고합니다. 즉, 입력 변수를 연속 함수로 매핑하려고합니다.
2. 분류 : 분류 문제에서 우리는 개별 결과로 결과를 예측하려고합니다. 다시 말해 입력 변수를 개별 범주로 매핑하려고합니다.

예제 1 :

부동산 시장 규모에 대한 데이터를 바탕으로 가격 예측을 시도하십시오. 크기의 함수로서의 가격은 연속적인 결과이므로 회귀 문제가됩니다.

예 2 :

(a) 회귀 - 연속 응답 값의 경우. 예를 들어 한 사람의 사진이 주어진 경우 주어진 그림을 기준으로 나이를 예측해야합니다

(b) 분류 - 데이터를 특정 "클래스"로 분리 할 수있는 범주 응답 값. 예를 들어 종양이있는 환자의 경우 종양이 악성인지 양성인지를 예측해야합니다.

무 감독 학습이란 무엇입니까?

감독되지 않은 학습은 우리의 결과가 어떻게 보일지 거의 또는 전혀 모르는 상태로 문제에 접근 할 수있게 해줍니다. 우리는 변수의 효과를 반드시 알 필요가없는 데이터로부터 구조를 도출 할 수 있습니다.

예:

클러스터링 : 탐색 데이터 분석에 사용되어 숨겨진 패턴을 찾거나 데이터를 그룹화합니다. 1,000,000 가지의 유전자를 모으고 이들 유전자를 수명, 위치, 역할 등과 같은 다양한 변수에 의해 어떻게 유사하거나 관련이있는 그룹으로 자동 분류하는 방법을 찾으십시오.