[AI] 머신러닝의 개념과 요소

Data란?

현실세계의 어떤 현상을 / 관찰하여 / 기록한 것

ex) 심장데이터

심장상태를 관찰(청진기)하여 기록한것(심박수)

 

데이터의 특징

1) Facts : 객관화된 자료

2) No meaning : 의미가 없다. 주변의 context 가 필요

3) Representation of real world : 자연어 처리

 

ㅇ Feature : 요인, 변수란?

데이터를 컴퓨터가 이해할 수 있도록 수치(numeric) 또는 디지털(digitized)로 표현한 것 

ex) 남자/여자 --> 0/1

 

ex) Titanic Feature

타이타닉호 티켓을 디지털 형태로 컴퓨터가 이해하도록 표현한다.

 

Synonym of Feature (동의/유사어)

- 독립변수(Independent Variable)

- 설명변수(Explanatory Variable)

- 예측인자(Predictor)

- Input

- Attribute(데이터베이스상에서 용어)

 

ㅇ Target : 예측하려는 목표 (Label)

기초재료들

--------------------------------------------------

ㅇ Model (모델)이란?

실제의 무엇을 더 작게 추상화된 형태로 표현한 것, 모형 또는 본보기

 

Machine Learning Model

머신러닝모델이란?

어떠한 문제를 해결하기 위해 수립한 가설을 논리적, 수학적 함수식의 형태로 표현한 것

 

Algorithm

알고리즘이란?

입력된 자료를 바탕으로 원하는 결과를 유도하기 위해 일련의 논리적인 순서와 절차를 규칙화 한 것, 순서도

 

Machine Learning Algorithm

머신러닝알고리즘이란?

모델이 어떠한 문제를 해결하기 위한 함수식이라면

알고리즘은 그 함수식을 만들어내는 일련의 절차, 규칙

 

data(Input) -> algorithm -> Model -> Output

 

 

Loss, Cost, Error

예측 목표로부터 예측 결과의 오차

 

Learning
예측 목표로부터 예측 결과의 오차를 최소화하는 함수식을 찾아내는 과정