[머신러닝 이론] Machine Learning 개념

이 글은 모두의 딥러닝 시즌1을 기반으로 작성한 글입니다.

 

---

Supervised Learning VS Unsupervised Learning

 

머신러닝은 사람이 하나하나 프로그래밍 하지 않고 컴퓨터가 스스로 학습하는 것을 말한다.

크게 Supervised Learning과 Unsupervised Learning으로 분류할 수 있다.

 

Supervised Learning(지도 학습)은 모델에 label이 있는 데이터를 학습시키는 방법이고

Unsupervised Learning(비지도 학습)은 모델에 label이 없는 데이터를 학습시키는 방법이다.

 

https://medium.com/@varun.sja/labeled-and-unlabeled-data-what-is-the-difference-4e95e8013138

 

 

 

Train Dataset VS Test Dataset

 

이 때 데이터셋을 Train Dataset과 Test Dataset으로 분류할 수 있다.

 

Train Dataset은 모델을 학습시킬 때 사용하는 데이터셋이고

Test Dataset은 Train dataset으로 학습된 모델을 테스트할 때 사용하는 데이터셋이다.

보통 Train Dataset이 Test Dataset보다 데이터의 양이 더 많다.

https://www.javatpoint.com/train-and-test-datasets-in-machine-learning

 

 

 

Regression VS Classification

 

Supervised Learning을 통해 lable을 예측할 때 출력값에 따라서 Regression과 Classification으로 분류할 수 있다.

 

Regression(회귀)은 독립 변수x로 종속 변수y를 예측하는 방법이다. 함수를 생각하면 된다.

Classification(분류)은 2가지 이상의 Category로 데이터를 분류하는 방법이다.

https://towardsdatascience.com/supervised-vs-unsupervised-learning-14f68e32ea8d