저자: Zen과 컴퓨터 프로그래밍 기술
1. 소개
##1.1 머신러닝이란?
컴퓨터 프로그래밍, 통계적 방법 또는 확률 이론을 사용하여 데이터를 예측, 분석 및 교육하고 최종적으로 데이터에서 지식을 얻거나 행동을 개선하거나 이벤트 개발을 예측하는 일련의 자동화된 기계 학습 알고리즘을 말합니다. 기계 학습의 주요 목적은 컴퓨터가 "학습 능력"을 갖도록 하여 작업을 더 잘 완료하고, 문제를 해결하고, 효율성을 높이고, 비용을 절감하는 것입니다.이미지 인식, 텍스트 분류, 스팸 필터링, 의료 진단과 같은 애플리케이션 시나리오에서 , 자동 운전은 다른 분야에서 중추적인 역할을 합니다.
1.1.1 기계 학습의 정의
기계 학습은 인공 지능, 인지 과학, 컴퓨터 과학, 패턴 인식, 컴퓨팅 이론, 통신 공학 및 기타 분야를 다루는 다분야 학제 간 과목입니다. 컴퓨터 시스템이 학습하고 환경에 적응할 수 있도록 하는 기술입니다. 기계 학습에는 지도 학습, 비지도 학습 및 강화 학습의 세 가지 하위 필드가 포함됩니다.
1.1.2 기계 학습의 세 가지 요소
- 데이터: 기계 학습 알고리즘에 필요한 데이터 세트는 일반적으로 입력 변수(특징)와 출력 변수로 구성됩니다.
- 모델: 기계 학습 모델은 입력 변수를 출력 변수에 매핑하는 기능입니다.
- 알고리즘: 주어진 입력 데이터에서 모델을 학습하고 구축하는 방법을 결정하는 프로세스가 알고리즘입니다. 다른 알고리즘은 학습 결과의 정확성, 효율성 및 일반화 능력에 영향을 미칩니다.
1.1.3 기계 학습 분류
다양한 학습 방법에 따라 기계 학습은 세 가지 범주로 나눌 수 있습니다.
- 감독 학습: 입력-출력 샘플 데이터를 제공하여 모델이 알려지지 않은 데이터를 예측할 수 있도록 기존 레이블 정보를 사용하여 모델을 학습합니다. 지도학습은 지도학습과 준지도학습으로 나눌 수 있다.
- 감독 학습(반 감독 l