Machine Learning

My first book

Machine Learning concept

머신 러닝이란 기계가 스스로 학습하고, 거기에 대해서 향상된 정확도, 결과를 얻는 것을 말합니다. 기계를 학습하는 것은 층의 개수에 따라 나뉩니다. 작은 의미의 머신러닝은 층이 1개, 딥 러닝은 층이 2개 이상입니다. 그러므로 딥 러닝은 역전파가 있다는 것도 특징입니다. 여기서는 작은 의미의 머신러닝을 정리하겠습니다.

머신 러닝의 작동 원리

머신 러닝의 원리는 생각보다 복잡하지 않습니다. 복잡하지 않고, 많은 컴퓨터 자원(특히 gpu) 를 사용합니다.

먼저, 어떤 방법(머신러닝의 방법에 따라서)으로 분류/예측 등을 할 것인지 정합니다. 그 '방법'에는 어떤 '숫자'가 있습니다. 그 '방법' 으로 입력 데이터를 넣고, 결과값을 정답과 비교해서, 조금씩 결과값이 정답에 가깝도록 '숫자'를 수정합니다. '숫자' 를 계속 수정해서 최대한 가깝게 만든 것이 머신러닝 모델입니다. 수정하는 크기, 수정하는 횟수를 달리하며 최적의 학습 방법을 찾을 수 있습니다.

머신 러닝의 '방법'

최근 머신러닝에서 쓰이는 방법은 크게 두 가지가 있습니다.

• 그래프 이용

  • 선형 회귀, 분류

• 트리 이용

그래프 이용 방법

그래프를 이용하는 방법에서는, '숫자' 는 y=ax+b 이 직선의 방정식에서, a,b 입니다. 다른 말로 하면 기울기, 편향입니다. 계속 학습 데이터를 넣어가며 a,b 값을 조정해 가며, 직관적으로 말하면 직선을 대략적으로 예측해 그려가며 정확도를 향상시킵니다. 대표적으로 '경사 하강법' 이라는 방법이 있습니다.

트리 이용 방법

트리를 이용하는 방법에서는, '숫자'는 트리의 깊이 등입니다. 학습 데이터에 따라서 숫자를 변경해 가며, 트리를 조정하고 정확도를 향상시킵니다.