[241216] 머신러닝 개념 정리 첫번째

머신러닝이란???

• 마법사가 아니다!

실제로는 개꿀잼 수업이었다는 것,,

~과거의 데이터 방식~

• 가설을 세운 뒤, 가설을 입증하기 위한 과정을 시작함

~현재의 데이터 방식~

• 데이터 안에서 패턴을 발견하고, 패턴을 기반으로 예측(가설)함

• 가설식이란??
  • 세상에 일어나는 모든 현상을 수식으로 표현하려는 컴퓨터의 시도
  • 이 가설식을 통해서 데이터를 설명하거나/ 패턴을 찾거나/ 미래를 예측하려는 시도
    • $$H(x)=wx+b$$

• H: 가설
• x(변수): 어떤 현상을 설명하는 요소들
• w(가중치): 각 변수(x)가 얼마나 중요한지 나타내는 값
• b(편향): 데이터가 전체적으로 얼마나 치우쳐 있는 지를 표현하는 값

~가중치가 어려운데~

• 예:
  • 운동이 건강에 얼만큼 중요한가 = $$w1$$
  • 식습관은 얼만큼 중요한가 = $$w2$$
    • 각 변수의 중요도를 나타내는 값
      • 그래서 변수의 중요도 우선순위를 구하는 것이 참 어렵다

그렇기 때문에 컴퓨터보고 계산을 대신 해달라는 것^^,,,

'정답(=0)에 가까워질 때까지 가중치 조합(중요도의 비율이라던지,, 우선순위 라던지,,)을 찾아내는 것'

이 머신러닝이 하는 일 입니다

딥러닝도 마찬가지지모,,

~머신/딥 러닝이 말을 잘 안들으면??~

• 매가 약이다^__^
  • 그 매는 곧 '경사하강법' 이다~
    • 0에 가장 가까워지는 그 지점이 손실 비용(cost)을 많이 줄여주는(=정답에 가까워 지는) 지점이다~
      • 손실비용이란?
        • 정답에 가까워지기까지 계속해서 시도해보는 값들의 갭차이~

경사하강법???

그것도 결국엔 다 가설식 땜에 하는거다~~,,