기계 학습(Machine learning)

기계 학습(Machine learning) Start.

BioinformaticsAndMe

1. 머신러닝 (Machine learning)

-알고리즘을 이용해 대량의 데이터를 분석, 분석을 이용해 학습을 하고 학습으로 얻어진 정보를 기반으로 판단이나 예측을 하는 것

-머신러닝에 필요한 개념

① 풀고자 하는 문제의 특성을 이해

② 풀고자 하는 문제에 입력이 되는 데이터에는 무엇이 있는지 파악

③ 데이터의 특성과 양을 파악

④ 여기에 적합한 기법을 사용

     -참고: https://bioinformaticsandme.tistory.com/45

2. 머신러닝 방법론

ㄱ. Regression (회귀): 학습 데이터 (x, y) 를 기반으로, 새로운 x’ 이 주어졌을 때 y’ 예측

→예) 주가 예측, 경제 성장률 예측, 영화 관람객 수 예측 등

ㄴ. Classification (분류): 학습 데이터 (x, y, class)를 기반으로, 새로운 (x’, y’) 이 주어졌을 때 class’ 예측

→예) 스팸메일 여부, 사용자의 게임 핵 이용 여부, 신문기사 분류 등

ㄷ. Clustering (군집): N개의 데이터 (x, y) 를, m 개의 그룹으로 나누기

→예) 이미지 영역 식별, 고객 집단 나누기 등

#Reference

1) https://www.valuecoders.com/blog/technology-and-apps/top-machine-learning-frameworks-for-web-development/

2) https://towardsdatascience.com/machine-learning-what-it-is-and-why-it-should-interest-you-97fcf3f68d04

3) https://bioinformaticsandme.tistory.com/82

기계 학습(Machine learning) End.

BioinformaticsAndMe