Page 937 - 3-3
P. 937

-  지도 학습
                    먼저 지도학습이란 데이터에 대한 라벨,               (label),  즉 정답값이 주어진 상태에서 컴퓨터를 학습시키
                  는 방법이다 데이터셋이.           (data,label) 의 형태로 이루어지게 되는데 예를 들어 아래와 같이 크기가,
                  28x28 의 이미지인 Mnist      데이터 셋이 있다고 가정해 보자.






















                    이 이미지에는 각각 data        에 대한 label   값이 있을 것이다.(0,1,2...)      그렇다면 이 이미지와 이미지
                  의 정답을 통해 학습을 시키고 답이 주어지지 않은 채로 이미지만 주어지면 답이 무엇이다 는 출,                   ‘             ’
                  력을 얻을 수 있게 된다 이러한 이미지와 같이 예측해야 하는 결과값이 이산값이면 이 문제는.
                  classification( 분류 문제라고 할 수 있다 즉 이 이미지는)  .            1 인가 2  인가 를 맞추는 예측하는 문제
                  라고 할 수 있다.
                    예측해야 하는 결과값이 연속값이라면 (x=10,20,30 y=1,2,3)                  이 문제는 regression(    회귀 문제)
                  라고 할 수 있다 즉.       x 가 40 이 되면 이 때 y     값을 예측하는 문제라고 할 수 있다.


                  -  비 지도 학습
                    비 지도 학습은 데이터에 대한 label             값이 주어지지 않은 상태에서 컴퓨터를 학습시키는 방법이
                  다 즉.   data  형태로 학습을 진행하는 방법이다 예를 들어서 데이터가 무작위로 분포되어있을 때.
                  이 데이터들을 비슷한 부류끼리 묶는 Clustering(              클러스터링 알고리즘이 있다)            .


























                  비 지도 학습은 데이터의 숨겨진 특징이나 구조 규칙 및 어떠한 관계를 발견하는데 사용된다 학,                                    .
                  습은 주로 군집화에 사용되는데 입력이 비슷한 군집을 추정하는 것이다 예를 들어 비슷한 구매.                           ,
                  습관을 가진 고객에 관한 통계가 필요한 경우 이러한 비지도 학습을 사용하면 된다.






                                                         - 937 -
   932   933   934   935   936   937   938   939   940   941   942