기계학습12 기계 학습 3. 분류(Classification) 서론 기계 학습에서 Classification(분류)은 데이터를 미리 정의된 클래스 또는 카테고리로 분류하는 작업을 의미한다. Classification은 데이터 분석, 패턴 인식, 예측 및 의사 결정 등 다양한 분야에서 중요한 역할을 하며, 기계 학습의 주요 응용 분야 중 하나이다. MNIST MNIST(엠니스트) 데이터셋은 70,000개의 손으로 쓴 작은 숫자 이미지로 구성된 데이터이다. 이 데이터셋은 미국 인구조사국의 고등학생과 직원들에 의해 손으로 쓰인 숫자 이미지로, 각 이미지는 해당하는 숫자로 레이블링 되어 있다. Scikit-Learn에서 로드한 데이터셋은 일반적으로 다음과 같은 딕셔너리 구조를 가지고 있으며, 이 안에는 다음과 같은 키(key)들이 포함되어 있다. from sklearn.d.. 2023. 9. 20. 기계 학습 2.프로젝트 진행 과정 서론 기계학습이 만들어지는 일반적인 흐름을 살펴보며 기계학습에 대한 이해를 높여보자. 과정 큰 그림 보기(Look at the big picture.) 데이터 가져오기(Get the data.) 데이터 시각화로 통찰력 갖기(Discover and visualize the data to gain insights.) 머신 러닝을 위한 데이터 준비(Prepare the data for Machine Learning algorithms.) 학습 모델 선정(Select and train a model.) 모델 조정(Fine-tune your model.) 출시 및 관리, 유지 보수(Launch, monitor, and maintain your system.) 큰 그림 보기 문제 정의 머신러닝 모델을 구축하는 것이.. 2023. 9. 18. 기계 학습 1.기본 개념 서론 머신 러닝(Machine Learning)은 데이터로부터 학습하는 컴퓨터 과학의 한 분야이다. 최근에 AI가 많은 관심을 받고 있다. 이 기술은 최근에 만들어진 개념이 아니라, 과거부터 존재했던 개념이다. Arthur Samuel(1959)은 "머신 러닝은 컴퓨터가 데이터로부터 학습할 수 있도록 프로그래밍하는 과학"이라고 정의했다. Tom Mitchell(1997)은 "머신 러닝은 컴퓨터에게 명시적으로 프로그래밍하지 않고도 학습할 수 있는 능력을 부여하는 연구 분야"라고 설명했다. 이렇듯 과거에서도 많은 연구가 있었고 현재에 와서 다양한 실용성을 가진 인공지능이 등장했기에 각광을 받는 것이다. 머신 러닝(Machine Learning, 기계학습) 핵심 개념 머신 러닝의 핵심 개념 중 하나는 경험(E.. 2023. 9. 13. 이전 1 2 다음 반응형
