머신러닝이란? | 머신러닝 개념 머리에 쏙 박히기

요즘 인공지능이 핫하니, 딥러닝, 머신러닝 어쩌구 저쩌구 이런 말을 쉽게 접할 수 있다.

 

누가 나한테 "머신러닝과 딥러닝의 차이점은 뭐야?" 라고 물어 본다면 명확하게 답을 못할 것 같다ㄴㅇㄱ(전공자 맞냐며...)

그래서 유튜브 영상 보다가 어떤 분이 딥러닝에 관련하여 잘 설명해 주셔서 정리해 보았다.

(영상은 맨 아래 첨부해 놨슘댱)

 

머신러닝이란?
 - 데이터에 모델을 맞추다.(Fit)

읭? 그게 뭔데....

 

더 풀어서 설명해 보자면

 

1. 데이터

• 데이터없이 머신러닝은 불가능하다. <데이터의 중요성>
• 데이터의 양과 질이 안 좋으면 좋은 인공지능이 나올 수 없다.
• (예시) 이미지를 보고 백조라는 동물을 알아내는 모델을 만들었을 때, 내가 가지고 있는 데이터가 흰색 백조 사진 뿐이라면, 검은 백조 사진은 백조 인식을 못 한다.

<텐서플로우>

데이터 넣을 때 “feed”

 

2. 모델을 맞춘다

• 모델은 지능과 같다.
• 모델을 학습시키는 기법들: 딥러닝, 나이브베이즈, 디시전트리 ..
• 모델을 맞추는 기능을 하지 않으면 이 모델은 어떤 문제도 해결할 수 없다.
• 데이터를 최적화 시키는 것

 

머신러닝 라이브러리 중 "사이키런" 메소드

<scikit learn>

decision_tree.fit(X,y)

    ::의미 - 디시전트리 기반의 모델을 X, y라는 데이터에 맞게 fitting을 하라(맞춰라)

---

위에서 간단하게 알아 봤는데 더 확 와닿기 위해서 아래를 보면 된다!

온도/습도/풍속으로 눈이 올지 예측하는 모델을 만드려면 어떤 방식을 사용해야 할까?

1. 조건을 정해서 해결(디시전트리 등)

- 온도가 N이고, 습도는 n~m사이 값이고, 풍속이 M이면 눈이 온다. 이런식으로 조건을 통해 예측하는 방법

 

2. 수식(가중치)으로 해결(선형회귀, 딥러닝 등)

- (n*온도)+(m*습도)+(z*풍속) 값이 x이상이면 눈이 온다. 이런식으로 수식을 통해 예측하는 방법

 

즉,

“머신러닝을 학습한다” 라는 말은

• 예측하고자 하는 정답을 최대한 맞출 수 있도록 모델을 최적화한다. 이 최적화는 기계가 한다.
• 가장 좋은 성능이 나오는 식 또는 조건을 찾는 것

 

딥러닝이 더 쩌는 거 같은데

왜 다양한 기법을 사용해야 될까?

- 딥러닝은 자연어와 이미지 처리에 높은 성능을 보임

- kaggle에 있는 타이타닉 문제는 디시전트리 모델이 더 좋은 성능 보임

 

 

↓↓↓ 아래 영상을 정리한 것이다.