[Machine Learning] Basic Of Machine Learning

모두를 위한 딥러닝 (김성훈)

---

1. Machine Learning

기계학습은 수집된 데이터(로그, 음성, 텍스트, 이미지) 속에서 패턴을 찾아내도록 학습되는 알고리즘 모델이다. 기계학습은 결과가 주어진 데이터로 학습을 하는 지도 학습과 자율적인 학습을 하는 비지도 학습으로 나뉜다.

1. Supervised Learning ☆
    : labeled data, training set을 이용해 학습하는 방법
2. UnSupervised Learning
    : unlabeled data를 이용해 학습하는 방법

우리는 지도학습을 통해, 기계학습 공부를 진행한다.

2. Type of Supervised Learning

지도학습의 종류는 크게 분류(Classification) 문제와 회귀(Regression) 문제로 나뉜다. 주어진 입력 데이터에서 분류는 미리 정의 된 여러 클래스에서 어디에 속하는지 예측하고, 회귀는 연속적인 숫자를 예측한다. 어떤 문제를 다룰 때, 적절한 학습을 찾는 것은 매우 중요하다.

1. 선형 회귀 Linear Regression
    : 연속한 변수들에 대해 두 변수 사이의 모형을 구하고 적합도를 측정
    ex) 공부한 시간을 기준으로 0~100점 사이의 결과를 예측
2. 이진 분류 Binary Classification
    : 두가지 분류(0 또는 1)
    ex) 공부한 시간을 기준으로 pass or nonpass를 예측
3. 다중 분류 Multi-Label Classification
    : 두가지 이상의 분류
    ex) 공부한 시간을 기준으로 ABCDF를 예측

 

3. TensorFlow

 : Data Flow Graph(데이터 흐름 그래프) + Python

텐서플로우는 Tensor(다차원배열)들이 흐른다는 의미를 가진다. Node는 다차원 배열로 이루어진 수치 연산으로, edge는 노드들의 연산의 흐름을 의미한다.

 TensorFlow Mechanics

 1. build graph(tensor)
 2. feed data and run graph
 3. update variables in the graph and return values

 Tensor Ranks, Shapes, and Types

 1. Rank : n차원 배열
 2. Shape : 배열의 모양을 의미
 3. Type : DataType(주로 float32 or int32)
 ex) t = [[1,2], [3,4], [5,6]]
   rank = 2
   shape = [3, 2]
   type = int32