⚙ 1. 머신러닝 기초

---

🔨 새해가 밝았다. 올해는 학과 수업 중에 머신러닝 과목이 있기 떄문에 미리 예습하는 느낌으로 조금씩 공부해보려고 한다.
🔨 의공학과 인공지능이 무슨 연관이 있을까 생각해봤는데, 아마 많은 생명학 데이터를 사람이 모두 산출해내서 어떤 상황에 적용한 결과를 예측하기란 불가능에 가깝기 때문이 아닐까 생각한다.

1. 머신러닝

🔨 explicit programming 의 한계 때문에 고안되기 시작

• explicit programming : 정확한 상황에 딱 짜여진 대로 결과를 도출하는 것.
  • 하지만 생각할 규칙과 상황이 너무 많이 늘어감에 따라 인간이 그 규칙들을 모두 따져가며 프로그래밍을 할 수가 없어짐
  • 그래서 프로그램이 배운다는 의미의 Machine Learning 이 발달하기 시작함
  • 코드를 통해서 프로그램을 학습시키고, 프로그램은 학습한 내용을 바탕으로 다양한 상황을 예측하고 결과를 산출
  • 주로 Supervised learning 과 Unsupervised learning 로 분류

1.1 Supervised learning (지도학습)

---

🔨 정해진 training set을 가지고 학습하는 것

• 이미지 라벨링, 스팸이메일 필터
• Label(답)이 정해지지 않은 feature를 가지는 training set을 머신이 학습하고 feature에 정확한 Label을 해줌

• 종류
  • Regression (회귀) : 넓은 범위에 대해서 예측해야 하는 경우 (1~100) - 예측변수 사용
  • Binary classification (분류) : 둘 중에 하나로 나눠야하는 경우 (A / B)
  • Multi-label classification : 몇 개 중에 하나로 분류해야 하는 경우 (A / B / C / D / F)

1.2 Unsupervised learning (비지도학습)

---

🔨 정해지지 않은 데이터를 가지고 직접 학습해야 하는 것

• 데이터만을 가지고 학습하게 되는데 데이터가 무작위로 분포 되어 있을때 비슷한 특성을 가진 데이터들을 묶는 방식

---

🔨 이번 포스팅에서는 머신러닝의 기본적인 과정과 종류에 대해 알아보았다. training set을 통해서 학습하고, feature에 대해서 label을 결과값으로 주는 과정이 일단은 간결해서 좋았다 (물론 공부하다보면 또 머리를 부여잡겠지만…??).

🔨 다음 포스팅에서는 선형회귀에 대해서 알아보자.