[1장] 머신러닝 start

머신러닝에 대해서도 포스팅하고자 합니다.

# 머신 러닝이란
y = f(x)라는 함수가 있다고 해봅시다.
머신러닝은 우리가 주어긴 자료를 이용해 입력(x)과 출력(y) 간의 관계인 f를 찾는 것이 주로 하는 일입니다.

머신러닝엔 크게 지도학습과 비지도 학습으로 나뉘는데,

지도 학습은 학습을 시킬 때 '입력(x)에 대해 출력(y)은 이거야'라고 정답이 있는 학습 방법이 지도 학습입니다.
그리고 지도 학습에선 반드시 학습 데이터에 label이 있어야 합니다.

비지도 학습은 입력(x)에 대해 출력(y)이 없이 학습하는 방법을 의미하며, 입력들의 관계(특징)를 찾아서 학습하는 특징이 있습니다.

그리고 지도 학습과 비지도 학습을 섞은 semi 학습 방법도 있습니다.

#머신러닝의 종류

머신러닝은 추정하려는 데이터가 연속한 실수의 형태인지, 아니면 범주를 가지는 명목 형태인지 따라 학습하는 방법과 추정하는 방법에 큰 차이가 있습니다.

추정하려는 출력 변수가 연속형 실수면 Regression(회귀) 문제라고 합니다.
반대로 추정하러는 출력변수가 범주를 따지는 문제면 Classification(분류) 문제라 합니다.

Regression안 / Classification안에서도 Linear Regression, Multi Linear Regression 등 추정하는 방법이 굉장히 많기 때문에 차근차근 공부 해나 가보겠습니다.

#머신러닝과 기계학습의 차이
기계학습과 머신러닝은 주어진 데이터를 이용해서 예측한다는 의미에선 같지만,
딥러닝의 경우는 학습할 데이터도 굉장히 크고, 학습시키는데 시간이 많이 소요됩니다.
하지만 정확도는 머신러닝보단 월등히 높습니다. 하고자 하는 목표에 특화되어있습니다.

기계학습에선 학습할 데이터의 크기가 크지 않아도 사용할 수 있고, 학습시간이 짧기 때문에 가볍지만 정확도는 딥러닝보단 떨어집니다.