Classification Model 분류 모델 - 데이터가 어느 종류에 속하는지를 판별하는 AI 모델이다. - Yes/No로 답할 수 있는 Decision Problem(결정 문제)를 해결하는 AI 모델이다. - 분류 또한, 회귀와 같이 데이터의 포함 관계를 밝히기 위해 산점도를 이용한다. - 회귀와 달리, 분류 모델에서 결과값은 이산적이다. - 분류를 통한 문제해결의 예시는 아래와 같다: 컨텐츠 추천 스팸메일 분류 이미지·얼굴·글자·음성 인식 질병 진단 유전자 데이터 인식 재정 위험 파악과 관리 주가 예측 Classification Algorithms (분류 알고리즘) Naive Bayes Classifier Logistic Regression Support Vector Machine (SVM) Ra..
Feature Selection (Variable Selection, Attribute Selection) 특징 선택 (변수 선택, 속성 선택) - 머신러닝에 사용할 변수를 선택하는 작업을 의미한다. - 출력변수와 연관성이 높은 입력변수를 선택하여 예측력을 높이는 것을 목표로 한다. - Overfitting Problem(과적합 문제)을 방지하기 위해, 입력 변수의 선별과정에는 반드시 사람이 개입되어야 한다. Overfitting Problem (과적합 문제) - AI가 입출력 데이터에 과도하게 최적화되어 있어 예측력이 떨어지는 현상을 의미한다. - 주어진 데이터에 어떻게든 뜯어 맞추어 모델을 만들어내는 머신러닝 알고리즘의 특성으로 인해 생기는 문제이다. - 과적합된 AI는 Seen Data(주어진 데이..
Machine Learning Overview 머신러닝 개요 - 인공지능의 한 분야로, 인공지능의 패턴인식과 계산 학습 이론에서 발전한 컴퓨터과학의 한 분야이다. - 머신러닝에서는 주어진 데이터로부터 학습하고 예측할 수 있는 알고리즘을 연구한다. - Data Mining을 통해 입력 데이터로 사용할 적합한 입력 변수를 선택하고, Missing Data(입력에 빠진 데이터)를 보충하거나, Outlier(이상치)를 제거하고, 적절한 양의 데이터를 선택하는 과정이 머신러닝의 핵심이다. * Data Mining (데이터 마이닝) - 현재의 데이터를 탐색하고 정리하는 일련의 과정을 지칭하는 용어이다. - 데이터 마이닝은 현재 데이터의 특징을 알아내는데 중점을 두고, 머신러닝은 현재 데이터를 통해 학습하여 미래를 ..
