머신러닝 딥러닝 학습정리를 위해 정리한 글입니다 😀
지도학습과 비지도 학습
- 지도학습이란 정답을 알려주면서 진행되는 학습으로 주어진 데이터와 레이블을 이용해 새로운 데이터의 레이블을 예측해야할 때 사용한다.
머신러닝을 통해 예측된 값을 예측값 분류값 y hat등으로 표현됨
단점으로는 데이터마다 레이블을 달기위해 많은 시간을 투자
지도학습의 예로는 분류/회귀가 대표적이다.
- 비지도학습이란 레이블(정답)업이 진행되는 학습이며 보통 데이터 자체에서 패턴을 찾아내야할 때 사용합니다. 하지만 레이블이 없기 때문에 모델 성능을 평가하는데 다소 어려움이 있습니다.
장점은 따로 레이블을 제공할 필요가 없다는것입니다.
비지도학습의 대표적은 예는 군집화/차원축소가 대표적입니다.
분류와 회귀
분류는 데이터가 입력됐을 때 지도학습을 통해 미리 학습된 레이블 중 하나 또는
여러개의 레이블로 예측하는것
- 이진분류
(예/아니오) (남자/여자) 와 같이 둘중 하나의 값으로 분류하는경우
- 다중분류
(빨강,녹색,파랑) 중 하나의 색으로 분류하거나 0부터 9까지 숫자 중 하나의 숙자를 분류하는것처럼
여러개의 분류값 중에서 하난의 값으로 예측하는 문제를 다중분류라고 한다.
- 다중 레이블 분류
데이터가 입력됐을 때 두개 이상의 레이블로 분류할 경우 다중 레이블 분류라고 합니다.
분류값으로 세모,네모,동그라미가 있을경우 그림이 입력값으로 들어오면 다중 레이블 분류 모델의 예측값은
동그라미 세모가 되며 다중분류모델일 경우 세모와 네모 중 더 높은 확률을 지닌 레이블로 예측하게 됩니다.
'머신러닝_딥러닝' 카테고리의 다른 글
| Web Crawling (0) | 2024.08.22 |
|---|---|
| AI 빅데이터 수집 방법 (0) | 2024.08.22 |