지도학습은 역사와 비슷하다.
원인을 알면 결과를 예측할 수 있다. [ 과거의 데이터를 학습하여 결과를 예측하는 방식 ]
아래의 레몬레이드 판매에 대한 표를 살펴볼 때 ,머신러닝의 지도학습이 이용될 수 있다.
> 충분히 많은 데이터를 확보해야 하며, 이것을 독립변수와 종립변수로 분리 해야 한다.
> 컴퓨터는 그 관계를 설명할 수 있는 공식을 만든다. = Model(modeling)
과거에는 이를 만들기 위해 고도의 실험과 수학이 필요로 했으나, 지금은 머신러닝이 등장하면 과거와는 비교도 할 수 없을 정도의 적은 노력과 지식으로 만들 수 있다.
공학은 극단적인 상황을 위해서 존재한다.
예를 들면 아래와 같이 단순한 한 가지의 일이 셀 수 없는 행위로 증폭 될 수 있다.
지도학습에서 회귀(regression)는 예측하고 싶은 결과(종속변수)가 숫자일 때 사용할 수 있다.
아래의 표와 같은 좋은 사례들은 회귀를 통해 해결 할 수 있다.
지도학습의 분류 (classification)는 결과가 숫자가 아닌 값이라면 지도학습의 분류라 일컫을 수 있다.
분류의 좋은 사례들은 아래의 표로 확인 할 수 있다.
지도학습의 회귀와 분류를 정리하면 아래와 같이 이야기 가능할 것 같다.
가지고 있는 데이터에 독립변수와 종속변수가 있고, 종속변수가 숫자일 때 회귀를 이용 할 수 있다.
가지고 있는 데이터에 독립변수와 종속변수가 있고, 종속변수가 이름일 때 분류를 이용 할 수 있다.
해당 본문은 아래의 생활코딩의 Machine learning 을 공부하며 정리한 내용임을 밝힙니다.
모든 이미지와 글은 아래의 유투브 영상에서 캡쳐하였습니다.
www.youtube.com/watch?v=LPqmPfhnR1o&list=PLuHgQVnccGMDy5oF7G5WYxLF3NCYhB9H9&index=1
'Machine learning > Education' 카테고리의 다른 글
| 생활코딩 Machine learning - 하 (0) | 2020.12.14 |
|---|---|
| 생활코딩 Machine learning - 상 (0) | 2020.12.13 |