Introduce to Machine Learning part-1
Introduction
Machine Intelligence
생각하는 기계를 만드는 것
Machine == Computer
Intelligent software
- Automated labor, understand speech ot image
Early AI
- 사람에게는 어렵고, 컴퓨터한테 쉬운 일
- ex ) 수학 규칙, 검색
Modern AI
- 사람에게는 쉽지만, 정형적으로 묘사하기 어려운 것
- 직관적인 정보, 비 공식적인 지식
- ex ) 사람의 말을 이해하는 것, 손으로 쓴 숫자 인식
지식을 배우는 방법은?
Early AI
- 하드 코딩된 지식
- 사람이 공식적으로 지정한 지식
Modern AI
- 경험을 통해 컴퓨터가 학습하도록 허락함 (하드코딩이 어려운 것들)
- 데이터로부터 패턴을 추출하여 지식을 습득하는 능력 부여
- Machine Learning
- Data mining
Data-Driven Machine Learning System
우리가 찾기를 원하는것
input <—relationship—> output
과거에는 : relationship == 규칙
ML system : relationship == 추론모델
Machine Learning
결론 : performance가 좋아지기 위해 경험을 하여 task를 수행하는 것
Machine Learning Algorithms
Supervised learning
- classfication
- Regression
Unsupervised learning
- Clustering
Novelty detection
Reifoecement learning
Supervised Learning
Prediction method => target 존재
classification (분류)
- Categorical target values
- ex) True/False 등등
Regression (회귀)
- Continuous target values
- ex) 강수량, 판매량
Classification Algorithms
-
Bayesian classifier
- Neural networks
- Support vector machines (SVM)
- Decision tree
- k-Nearest neighbors
Regression Algorithms
- Linear regression
- Multivariate linear regression
- Lasso and Ridge linear regression
- Neural network regression
- Support vector regression
- Decision tree regression
Unsupervised Learning
Clustering
target variacle이 없음, input 만 존재
군집화, 분포 추청
Summary
Machine Learning Problems
