01. 머신 러닝의 이해

머신 러닝

---

Explicit programming 이라고도 한다..

쉽게 이야기하면!   입려을 하면 출력되는 알고리즘과 같다고 보면된다.  

단지 여기서 프로그램을 일일이 코딩하지 않고, 프로그램 자체가 데이터를 가지고 학습해서 

스스로가 반전(코딩) 되는 것이 머신러닝의 가장 큰 기본 개념이라고 보면 된다!

머신 러닝을 가장 크게 두가지로 나눈다면 밑의 두가지로 표현된다.

Supervised learning

  - 각각의 레이블을 가지고 있고, 그 레이블에 맞게 학습을 하는 것을 말한다.

Unsuperviseed learning

 - 레이블을 가지고 있지 않은 것을 말한다. 

 - 예를 들어 google news 와 같은 것을 이야기함

나는 주로 위의 Supervised learning 을 공부할 예정이다 강의는 유튜브의 ( Sung Kim 님의 강의) 를 들으면서 공부할 예정

Supervised learning 를 좀더 쉽게 알기 위해 세가지정도 예시를 보면

1. Image labeleing

  - 강아지, 고양이(레이블)   각각의 사진들 ( 데이터 ) 를 구분하며 동물 사진을 보여주었을때 강아지, 고양이를 판별 해내는 것

2. Email spam filter

  - 이메일 함에서 스팸메일을 자동으로 걸러주는 것

3. Predicting exam score  

  - 나의 시험점수를 대략적으로 예측하게 해주는 것

등이 Supervised learning 이라고 한다.

레이블이 되어있는 값       ----------   ML  ---------              

(트레이닝 데이터 셋) 레이블이 되어있는 값을 보고 학습

   x    y

1,2,3   3

2,3,7   2

7,5,4   1

 위의 레이블을 머시러닝에 학습을 시킨후 y=3? 라고 물어보면 아마도 1,2,3 이라고 대답할 것이다.

이것이 기본적인 알파고의 원리이다.

알파고 역시  바둑의 많은 수들( 빅데이터 ) ---> ML 에 학습을 시켜서 그다음 수 ( 질문)   에대한 대답이 나온것! 이 알파고이다.

그럼 supervised 러닝의 타입들은 무엇이 있을까 ? 크게 세가지로 나뉜다.

시험점수를 예상할때  // (범위가 0~100 너무 넒음)  regression

pass/ non-pass 로 예상 // binary classification

A,B,C,D,E,F 성적으로 예상  // multi-label classification 

이런식으로 각각의 상황에 따라 타입들이 달라지게 된다!