1주차_Introduction

01.Welcome

항상 보는 머신러닝을 사용한 서비스 종류, 그리고 지도학습 겉핥기 정도를 얘기해준다.

생소했던 용어는 클릭스트림데이터.

02.What is Machine Learning?

정의

기계학습이란,  컴퓨터가 명시적(explicit) 프로그램이 없어도  스스로 학습할 수 있는 능력을 연구하는 학문 분야(밑에 체크판은 사무엘 머시기님이 체스 못하셔서 엄청난 학습을 통해..어쩌구

톰 미첼 아저씨가 정의

프로그램이 일정 수준의 작업 성능(P)을 가지고 작업(T)을 수행한다고 했을 때,  경험(E)이 증가함에 따라 작업(T)를 수행하는 성능(P)이 향상될 수 있다. 이 때 프로그램이 경험(E)으로부터 학습(learn)을 했다. (뭐라카노..)

=>체커 게임에 대입해 보면!!

체커스에서 경험(E)는 '같은 게임을 수만 번 반복하는 과정', 작업(T)는 체커 게임을 수행하는 행위, 작업 성능(P)는 프로그램이 다음 판을 새로운 상대로 했을 때 그 판을 이길 확률(probability)

=> 그 유명한 스팸메일에 적용해보면,

어떤 메일은 그냥 놔두고 특정 메일에 spam처리 해서 신고한다. 이메일 프로그램은 신고패턴을 기억해서 스팸을 제거해낸다. 여기서 작업(T)는 스팸메일 선별하기, 경험(E)는 우리가 스팸처리하는 것, 성능(P)은 정확하게 분류되는지의 정도.

따라서 이메일 시스템도 결험(E)의 증가로 작업(T)을 수행하는 성능(P)이 향상된다.

 

종류

는 생활코딩이 기깔나게 설명해줬으니 그거 다시 보러가야지

https://jjrm.tistory.com/18

https://jjrm.tistory.com/23?category=497311 

03. Supervised Learning(지도학습)

(정리) 데이터 집합 안에 있는 모든 예시에 대해 알고리즘이 예측해냈으면 하는 정답이 우리에게 주어지는 것.(데이터 세트가 주어지고 입력과 출력 사이에 관계가 있다는 생각을 가지고 올바른 출력이 어떻게 보여야 하는지 이미 알고 있다.)

유명한 예시1-보스턴 주택가

 

"지도학습"은 우리가 알고리즘에게 데이터 집합을 주는데, 각 데이터에 '정답'이 포함돼있는 것.

다시 말해 집에 대한 데이터 집합을 제공했는데, 각 집마다 정확한 가격(그 집이 매매된 실제 가격)도 알려준 셈이다. 이제 알고리즘의 역할은 그 '정답'을 더 많이 만들어내는 것이다. 

-> 회귀(regression),, 저 선이 곧 모델인데, 모델에 따라 사람이 750피트짜리 집을 얼마에 팔 수 있는지를 예측(모델은 정확성 등의 여러 척도에 따라 다른 모양으로 나온다) 이때 가격은 연속적인 숫자

유명한 예시2-유방암

여기싀 데이터 셋은 하나의 피처만 있다.

종양크기별 악성(Y) 5개과 양성(N ) 5개인 데이터셋. 이때 주인공의 종양 크기가 보라색위치에 있다면, 그 종양이 악성으로 분류된 가능성이 얼마나 될 지 예측해보는 것(종양의 크기로 악성, 양성인지를 분류)

-> 분류(classification)는 0과1, 악성 혹은 양성과 같은 불연속적인(descrete) 결과값을 예측하는 경우(이런 카테고리는 3개 이상의 경우도 존재한다)

쪽지시험도 있다..헤헿

04. Unsupervised Learning(비지도학습)

일단 지도학습과 가장 큰 차이점은 어떤 레이블도 갖고 있지 않거나, 모두 같은 레이블을 갖고 있거나, 또는 아예 레이블이 없다는 것. 그래서 우리에게 주어진 데이터 셋을 가지고 무엇을 할 지 각 데이터가 무엇인지 알 수 없다.

(정리) 우리는 변수의 영향을 알 필요가 없는 데이터로부터 구조를 도출할 수 있다. 

대신에 단지 우리에게 "여기 데이터가 있는데, 여기서  어떤 구조를 찾을 수 있습니까?"라고 물을 뿐

예시1-구글뉴스(클러스터링)

: 구글 뉴스가 하는 일은 웹에서 매일 수만, 수천 가지의 새로운 기사들을 조사하는 것.  그리고 그 기사들을 연관성이 있는 것끼리 묶는 것

->구글 뉴스의 우위는 말 그대로 수만 개의 기사들과 자동적으로 그 기사들을 묶어준다는 것

 

☆중요한 건 다만 우리는 알고리즘이 스스로, 오직 데이터로부터 알아내게 하는 것이다.

예시2.1-유전자

 각 사람에 대해 특정 유전자를 가지고 있는지 또는 그렇지 않은지를 측정한다.

엄밀히 말하면, 특정 유전자가 얼마나 발현되었는지를 측정한다. 빨강, 초록, 회색 등등이 어떤 개인이 특정 유전자를 얼마나 가졌느냐를 보여준다.

->우리는 클러스터링 알고리즘을 돌려서 사람들을 서로 다른 분류 또는 타입으로 묶을 수 있다.

짱신기한 예시2.2-음성인식(칵테일 파티 효과)

: 미국인 A와 스페인 사람 B가 동시에 여러 차례 녹음을 한 것을 바탕으로 B의 음성을 지웠다. 이것도 비지도 학습이라니!!(원리를 생각하면 맞긴 한데 신기했다)

https://en.wikipedia.org/wiki/Cocktail_party_effect

 

무려 시험도 봤다.. 하나 틀리긴 했는데,, 생각보다 양이 많네..하하.. 너무 힘빼면 안될 거 같다.. 하지만 화이팅