머신러닝 용어(Machine Learning Glossary)

머신러닝 용어(Machine Learning Glossary) Start

BioinformaticsAndMe

1. 특성(Feature)과 라벨(Label)

ㄱ) 특성(Feature)

-특성은 입력 변수 (단순 선형 회귀의 x 변수)

-간단한 머신러닝 모델은 하나의 특성 사용

-복잡한 머신러닝 모델은 수백만 개의 특성 사용 가능

ㄴ) 라벨(Label)

-라벨은 예측하는 항목 (단순 선형 회귀의 y 변수)

-암의 유무, 연봉 등 알고자 하는 목적에 따라 라벨 지정

2. 학습과 추론

ㄱ) 학습

-학습은 모델을 만들거나 배우는 것

   *모델: 특성과 라벨의 관계를 정의한 수식

-모델이 특성과 라벨의 관계를 점차적으로 학습해나감

ㄴ) 추론

-추론은 학습된 모델을 라벨이 없는 예에 적용하는 것

-학습된 모델을 사용하여 라벨 예측

3. 회귀(Regression)와 분류(Classification)

ㄱ) 회귀 모델

-연속적인 값의 라벨을 예측

-예: 온도, 몸무게

ㄴ) 분류 모델

-불연속적인 값의 라벨을 예측

-예: 암 유무, 인종

#Reference

1) https://www.coursera.org/learn/machine-learning

2) https://developers.google.com/machine-learning/crash-course

3) https://thenewstack.io/machine-learning-linear-regression-mere-mortals/

4) https://datawhatnow.com/pseudo-labeling-semi-supervised-learning/

5) https://towardsdatascience.com/regression-or-classification-linear-or-logistic-f093e8757b9c

머신러닝 용어(Machine Learning Glossary) End

BioinformaticsAndMe