반응형 ML2 쉽게 알아보는 머신러닝(ML) 머신러닝 개략도 전처리 주어진 원본 데이터가 모델을 학습할 때 최적의 성능을 내기에 적합한 겨우는 드물다. 따라서 데이터 전처리를 해주어야 하는데 이는 모든 머신러닝에서 매우 중요한 단계이다. 전처리에서는 특성 추출 및 스케일 조정, 차원 축소, 샘플링 등의 기법이 이용된다. 또한 새로운 데이터에도 잘 일반화되려면 데이터 세트를 훈련 데이터셋(training set), 검증 데이터셋(validation set), 테스트 데이터셋(test set)으로 나눠야 한다. 훈련 데이터셋은 모델을 훈련시키는 데 사용하고 검증 데이터셋은 하이퍼 파라미터(초매개변수)를 튜닝, 테스트 데이터셋은 모델의 성능을 최종 평가하는 데 사용한다. 학습 가장 좋은 모델(알고리즘)을 선택하기 위해서 성능을 측정할 지표( ex. 정확.. 2023. 1. 1. 인공지능_딥러닝, 머신러닝 간단하게 총정리 A.I.(Artificial Intelligence)은 사람이 수행하는 지능적 작업을 자동화하기 위한 연구 활동이다. A.I.는 머신 러닝과 딥러닝을 포함하는 종합적인 분야다. M.L.(Machine Learning)에서는 컴퓨터가 수행하는 통계적 학습이다. 컴퓨터가 data feature를 통해 표본 data 속에 존재하는 일반화 가능한 패턴을 찾아 스스로 학습하는 과정이다. 다시 말하면 명시적으로 프로그램되지 않고도 학습할 수 있도록 하는 방법이다. D.L.(Deep Learning)은 M.L.의 특정한 하나의 분야로 인공신경망(neural network)에 기반하여 많은 데이터를 스스로 학습해 좋은 성능을 이끌어낸다. 머신러닝과 딥러닝의 차이는 머신러닝은 특징을 추출할 때 사람이 많이 관여해야 하지.. 2023. 1. 1. 이전 1 다음 반응형
