bluehyena/Machine-Learning-Yahac

🦎Basic tutorials about the basic principles of machine learning and practice using Tensorflow.

Machine-Learning-Yahac

Chapter 1. What is Machine Learning?

Machine Learning - 기계학습

• A와 B제품을 구매한다는 상황을 가정. A, B의 특징으로는 수십여가지가 있다. 어떤 결정을 할 것인가?
• 숫자의 발명이후, 인류는 컴퓨터를 발명. 모든 계산을 컴퓨터에게 맡기게 됨. 인간의 고유한 영역이었던 결정(Decision)을 기계가 스스로 할 수 있도록 만듬. 이것이 바로 Machine Learning 즉, 기계학습임.
• 자동차가 발명되었다고 발이 쓸모없어지는 것이 아니며, 망원경이 개발되었다고 눈이 필요없는 것이 아니듯이, Machine Learning의 개발로 두뇌가 쓸모없어지는 것은 결코 아님.

Machine Learning 의 세가지 KeyWord

• 원리
• 수학
• 코딩
• Machine Learning 자체를 다루는데에 반드시 수학과 코딩이 필요한 것은 아니다. 하지만, 언젠가 Machine Learning의 궁극적인 목표를 달성하기 위해서는, 반드시 수학과 코딩이 필요하다.

데이터셋의 다양한 이름

행(row)

• 개체 (instance)
• 관측치 (observed value)
• 기록 (record)
• 사례 (example)
• 경우 (case)

열(column)

• 특성 (feature)
• 속성 (attribute)
• 변수 (variable)
• field

기계학습 (Machine Learning) 의 종류

1. 강화학습(reinforcement learning)

• 현재의 상태(State)에서 어떤 행동(Action)을 취하는 것이 최적인지를 학습하는 것

2. 지도학습 (supervised learning)

• 분류(classification)
  • 공부시간에 따른 합격여부, 종양의 두께에 따른 악성종양의 양성 음성판단, 신체검사, 메일 발신인 제목 본문내용으로 스팸 메일 여부 판단, 고기의 지방함량, 지방색, 성숙도, 육색으로 등급 판단 등.
• 회귀(regression)
  • 결과가 시간, 온도, 집 값,기온 변화량, 자동차 충돌 시 사망확률, 나이, 키 등의 숫자 데이터

3 .비지도학습 (unsupervised learning)

• 군집화 (clustering)
  • 비슷한 것 끼리 그룹을 만들어 배치.
• 연관 (association)
  • 관측치의 특성을 그룹화 해주는 것.
• 변환 (transform)

Chapter 2. Tensorflow

Tensorflow가 사용되는 곳

• Supervised Learning
  • Regression
  • Classification

Deep Learning Library

• Tensorflow
• PyTorch
• Caffe2
• Theano

Algorithm

• Decision Tree
• Random Forest
• KNN (K-Nearnest Neighbor)
• SVM (Support Vector Machine)
• Neural Network Deep Learning

Supervised Learning Process

1. 과거의 데이터 준비
2. 모델 구조 생성
3. 데이터를 모델로 학습(Fit)시킨다.
4. 모델을 이용한다.

Loss 란?

• 학습의 진행도를 알려주는 지표
  • 독립변수를 모델에 넣어 나온 예측값, 실제 결과 값을 이용하여 Loss를 구함.
  • Loss 는 (예측값 - 결과값)^2 의 평균값임,
  • Loss 가 0에 가까워질수록 정확한 모델임.

수식

• y = w1x1 + w2x2 + ⋯⋯ + w13x13 + b

• 이 모델은 퍼셉트론(Perceptron) 이라고 부름.
• 각각의 w들은 가중치(Weight) 라고 부름.
• b는 편향(Bias)라고 부름.

원 핫 인코딩 (Onehot-encoding)

• 범주형 데이터를 수치형으로 변환하는 과정
• 독립변수는 X의 개수
• 종속변수는 범주형 데이터의 종류수

(+ Softmax, Sigmoid)

은닉층 (Hidden Layer)

• 기존의 Perceptron을 여러개 사용하여 연결하면 됨.
• 입력(Input Layer)과 출력(Output Layer) 사이에 추가되는 것이 Hidden Layer임.
• Hidden Layer를 이용하여 Multi Layer를 구현하면 더 정확도 높은 모델을 구현가능.