기계는 거짓말하지 않는다

특성(feature): 모델이 학습하는 데이터의 특성 값(하나의 데이터는 1개 이상의 특성을 가짐) 레이블(label): 모델이 예측한 정답 값 Y = w × X + b Y = Label (정답, tag, target이라고도 부름) X = Feature (변수가 됨) w, b를 머신러닝 모델이 구해줌 머신러닝 훈련 시 전체 데이터의 70~80%를 훈련, 20~30%를 평가할 때 사용 Feature Engineering: 사람이 여러 개의 Feature가 있을 때 어느 것이 최종 아웃풋에 영향을 미칠지 아닐지 고려해 가면서 변수를 조정하고 빼고 하는 것. 영향이 없는 것은 제외. 모델 학습의 혼란을 줄임 Feature Extraction: 기계가 특징을 뽑아냄. 사람이 Feature를 건드리지 않음. 딥러..

범주: 인공지능 > 머신 러닝(인공지능 구현 기술) > 딥 러닝(머신 러닝 구현 알고리즘 중 하나) 인공지능(AI): 컴퓨터가 인간의 지능을 모방해 인간과 비슷하게 동작하도록 만들어진 모든 기술 의미 머신 러닝(Machine Learning): 인공지능을 만들기 위해서 어떻게 할지, 데이터를 학습하도록 하는 기술을 의미 딥 러닝(Deep Learning): 머신 러닝 안에 Logistic Regression, Decision Tree, SVM(Supported Vector Machine) 등 다양한 알고리즘이 존재하는데 그중에 하나인 인공신경망(Artificial Neural Network)를 사용하는 방법 머신 러닝 종류 Semi-supervised learning(준 지도 학습)도 존재하지만 크게 세..