수포자가 이해한 머신러닝 시리즈는 구글의 머신러닝 문서 순서를 따릅니다.
머신러닝 단기집중과정
라벨(Label)
예측하는 항목, 단순 선형 회귀의 y 변수
ex) 이 메일은 스팸일까?아닐까?
특성(Feature)
입력 변수, 단순 선형 회귀의 x 변수
특성은 여러개가 될 수 있습니다.
스팸인지 아닌지를 판별할 때 메일에는 다음과 같은 특성을 가질 수 있습니다.
- 보낸 사람
- 메일이 전송된 시간
- 특정 단어가 포함된 메일
예(Example)
예는 두개로 분류될 수 있습니다.
- 라벨이 있는 예(labeled examples) : {features, label} : (x, y) -> 학습시킬 때 사용
- 라벨이 없는 예(unlabeled examples) : {features, ?} : (x, ?) -> 라벨 예측이 필요함
모델(Model)
특성과 라벨의 관계를 정의합니다. 예를들어 스팸 감지 모델에서 특정 특성을 ‘스팸’과 긴밀하게 연결할 수 있습니다.
- 모델 수명의 두단계
- 학습(Training): 모델을 만들거나 배우는 것
- 추론(Inference): 학습된 모델을 라벨이 없는 예에 적용하는 것
회귀와 분류(Regression vs. classification)
기존의 데이터를 가지고 새로운 데이터를 예측합니다.
- 회귀(Regression): 연속적인 값 예측 ex) 내가 산 땅 값은 10년 뒤 얼마가 될까?
- 분류(Classification): 불연속적인 값 예측 ex) 이 메일은 스팸일까?아닐까?