[241217] 머신러닝 개념 정리 두번째

머신러닝이란???

• 어제에 이은 두번째 시간입니다^__^

다항 선형회귀란???

일차함수 n개를 수식으로 나열한 겁니다~

• 왜 n개를 나열하나요??
  • 세상에 변수가 한 개만 존재하지 않으니까요~

$$y = XW$$

• X는 변수 행렬,
  • 쉽게 말하면 변수 뭉치들: x1, x2, x3 ••• 을 묶어준 것임
• W는 가중치 행렬을 의미한다~
  • 가중치 뭉치들: w1, w2, w3 •••

• 다항 선형회귀 실제 사례:
  • 교통 정체 예측
  • 날씨 예측
  • 환율 예측

이중 분류의 기본 원리는 오로지

0과 1뿐

• 0: False
• 1: True

확률로 판단합니다

• 1에 가까워질 수록 정답에 가까워지는 것임
  • 0.5 이상 >> 정답에 가까움
  • 0.5 미만 << 정답에서 멀어짐

이런 식으로 분류해서 카테고리화 할 수 있다~

~다중 분류란~

• 쉽게 말해 이중 분류를 여러개 한 것~

근데 이제 각 확률 별로 합이 1이어야 함

• $$Softmax(y¡) = exp(y¡) / ∑(exp(y1) + exp(y2) + exp(y3))$$
• Softmax란~
  • 모든 클래스의 확률이 0 ~ 1 값이 되도록 정규화 하는 것~

Cat, Dog, Chicken 클래스 확률 별로 가중치를 구분해줍니다

Cat, Dog, Chicken 이 $$y = XW$$ 수식에서 각 y1, y2, y3 이 되는 것임

예를 들어,

~고양이인지 강아지인지 판별하기 위해서~

1. 귀의 생김새
2. 눈의 생김새
3. 코의 생김새

등등의 디테일 확률(=XW)을 학습해서 구분을 짓는다~

• 다항 선형 회귀와 다항 로지스틱 회귀의 차이점:
  • 다항 선형 회귀: 수치로 판별
    • ex.
    • 날씨 예측: 기온, 습도, 바람세기
    • 집값 예측: 평수, 인프라, 위치
  • 다항 로지스틱 회귀: 확률로 판별
    • ex.
    • 고양이 or 강아지 or 사자 중에 고양이일 확률이 70%
    • 내 플레이리스트 음악 장르가 힙합일 확률 80%

~머신러닝 종류에는~

• 지도학습
• 비지도학습
• 강화학습

이 있음

• 지도학습이란?
  • 쉽게 말해 오픈북
    • 정답을 적어놓고서 그것을 기반으로 학습시킴
  • 예: 

10진수 숫자에 총 784개의 픽셀이 있는데

미리 숫자를 적어놓고 학습을 시킨 다음

밝기(검은 색으로 칠해진 부분)를 토대로 숫자의 생김새를 판별하여
숫자를 구분해낸다

비지도학습은?

말 그대로 지도하지 않은 학습이다~

스스로 패턴을 찾아내야함

• 예:
• 여름옷을 구별하려면?
  1. 반팔인지
  2. 옷의 재질은 무엇인지 등등,,

이런 식으로 구분을 짓기위해서 스스로 패턴을 찾아야 하는게 비지도학습이다~

• 군집화는??
  • 예:
  • 젭에 스파르타 수강생들이 있다:
    1. 머리에 토끼모자를 쓴 수강생들
    2. 상어탈을 쓴 수강생들
    3. 대머리인 수강생들 등등

1, 2, 3들이 각각 모여진 것이 군집화임

패턴으로도 군집화를 이룰 수 있겠다~

대신 정확도는 지도학습에 비해 떨어짐

AI를 강아지 훈련시키듯 할 수 있습니다~
어떻게?

1. 보상(Reward)
2. 패널티(Penalty)

• 대립적 강화학습이란??
• 예:
  • A 인공지능은 사실적인 이미지를 구현해내기 위해 노력함
  • B 인공지능은 이 그림을 사람이 그린 것인지 AI가 그린 것인지를 판별함
    • 이 둘을 서로 PVP 시켜서 학습을 시킨다

단점은 지도학습과 비지도학습에 비해서 학습시간이 오래걸린다~

왜냐?
보상에 따라 학습하는 앤데 보상이 애매모호할 수 있기 때문~