저별이의 초보 코딩

1. 군집화(clustering)

비슷한 것들을 찾아서 그룹으로 만드는 것 

군집화 vs 분류

그룹을 만드는 것이 군집화, 어떤 대상이 어떤 그룹에 들어가는 것인지 하는 것인지 하는게 분류

좌표평면-> 가까운 것들끼리 묶는다.-> 열이 추가된 표를 만들 수 있다.

1000만 관측치, 100개 클러스터 수-> 군집화-> 100개 클러스터-> 비슷한 행을 찾아낸다.

2. 연관규칙 학습(Association rule learning)-장바구니 학습

표- 현재까지의 현황을 볼 수 있다.=>연관성을 파악할 수 있다.

=> 구매할 가능성이 매우 높은 것을 추천해줄 수 있다.=> 상관관계 파악

너무 많아졌을 때 도움을 주는 것이 머신러닝-비지도학습-연관규칙-추천이다.

열을 찾아주는 머신러닝 기법. 특성을 그룹핑한다.

3. 강화학습(reinforcement learning)

일단 해보는 것.-> 경험을 통해 실력을 키운다.

현재의 상태를 관찰-> 행동=> 판단력이 필요. 상/벌여부를 판단해야 한다.=> 어떻게 하는지 볼 수 있음.=>판단력 강화

agent, state(상태), reward(보상), environment(환경),action(행동)

상태에 따라 더많이 보상받을 수 있는 행동을 할 수 있도록 하는 정책

4. 머신러닝 지도

*위 내용은 생활코딩 유튜버의 머신러닝 1-19~24까지 영상을 시청한 후 정리한 것입니다.*

*무단 복제, 사용을 금지합니다.*

1. 독립변수와 종속변수

변수(variable): 변할 수 있는 값 => 표에서도 사용가능(열에서)

독립변수와 종속변수

독립변수(원인): 결과와 상관없이 일어나는 사건, 결과에 영향을 받지 않는 독립적인 사건

종속변수(결과): 원인에 종속되어 발생한 사건

상관관계: 서로가 영향을 받아서 같이 변화가 일어나는 것을 말한다. 

인과관계: 모든 인과관계는 상관관계. 모든 상관관계는 인과관계이지는 않다.

             독립변수와 종속변수의 관계

2. 심리전

같은 대상일지라도 이것을 도구로 생각하는지 공부거리로 생각하는지에 따라 완전히 다른마음을 가진다.

우리의 뇌는 어떤 행위의 경제성을 판단하는 고도의 정교화된 모델이 내장되어있다=>판단하여 지루함, 절망감을 안겨주는 경고를 보내게 된다. 

3. 머신러닝의 분류

기계학습: 지도학습- 분류, 회귀

             강화학습

             비지도학습- 군집화, 변환, 연관

지도학습(supervised learning): 문제와 답을 비교하고 맞추다보면 푸는 것에 익숙해져서 오답 확률 낮아짐

비지도학습(unsuervised learning): 지도학습에 속하지 않는 것들. 기계에게 통찰력을 부여한다. 의미와 관계를 밝혀내게 된다. 

강화학습(reinforcement learning): 학습을 통해 능력을 강화시킨다. 지도학습과 유사하지만 어떤 것이 더 나은 결과를 가져오는지를 확인한다. 경험을 통해 더나은 결과를 찾는다.

즉,

정답이 있는 문제를 해결하는 것? 지도학습

무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것? 비지도학습

더 좋은 보상을 받기 위해서 수련하는 것? 강화학습

4. 지도학습

지도학습=역사

과거의 데이터에 대한 학습을 통해 미래의 데이터를 예측

충분한 데이터로 독립변수, 종속변수가 구분되어야 한다.-> 컴퓨터는 공식을 만들어낸다. ->모델을 만들 수 있다.

좋은 모델이 되려면 데이터가 많을 수록 정확할 수록 좋다.

5. 회귀(regression)

문제를 만났는데 예측하고 싶은 것이 숫자라면 회귀로 해결이 가능

6. 분류(classification)

무엇인가를 분류한다는 것은 어지럽혀져 있는 대상이 있을 때 성격에 맞는 이름으로 구분해서 그룹화하는 것을 말한다.

추측하고자 하는것이 이름, 문자라면 분류로 해결한다.

가지고 있는 데이터에 독립변수와 종속변수가 있고 종속변수가 숫자일 때 회귀를 이용하면 된다.

가지고 있는 데이터에 독립변수와 종속변수가 있고 종속변수가 이름일 때 분류를 이용하면 된다.

1. 머신러닝머신을 이용한 머신러닝 만들기-사이트 이용

예시: 손톱깨무는 것을 경고하는 것.

(1) 정상과 손톱 퍼즐을 이용한다.

(2) 카메라를 이용해 상태를 보여준다.

(3) 상태에 따라 손톱, 정상의 확률이 올라가거나 내려간다. 두 확률을 더하면 100%

(4) 그리고 일정확률 이상일 때만 해줘야 하므로 손톱은 80%이상일 때, 정상은 20%이상일 때 실행

(5) 그리고 경고 목적이므로 손톱 case에 메시지 띄우기와 함께 말해주는 것을 넣어준다.

(6) 정상인 경우에는 경고가 아니므로 화면에만 메시지를 띄어준다.

(7) 이렇게 진행하면 손톱 깨물기 경고 머신러닝머신이 구축되었다.

2. 애플리케이션과 프로그램

애플리케이션=프로그램

애플리케이션: 응용(부품을 응용)

머신러닝 애플리케이션: 부품을 자세히 몰라도 잘 활용할 수 있다.

프로그램: 시간+순서가 포함되어있음. 

             기계가 해야 하는 일을 기계가 알아들을 수 있는 언어로 순서대로 적는다.

              -> 기계가 순서대로 일을 진행함(반복적인 일에 대해서 진행할 수 있음)

프로그래밍: 프로그램을 만드는 것

프로그래머: 프로그램을 만드는 사람

3. 모르면 마법, 알면 기술

프로그램을 만드는 것, 처음은 쉽지만 하면 할 수록 기하급수적으로 어려워진다.

요즘에는 차, 전등 등 사물에도 컴퓨터가 들어간다. 

컴퓨터가 들어가면 여러가지 기능을 손쉽게 제어가 가능하다. => 인터넷만 있다면 원격으로 얼마든지 가능

사물인터넷: 사물에 인터넷이 들어간 것

             코딩으로 여러가지 프로그램을 만들어야 하고, 네트워크에 대한 것, 전자공학적 지식, 기계공학적 지식이 필요

머신러닝: 어떤 기능을 실행할 것인가 장치 스스로 판단(여러가지 센서->인식->판단)

             사물에 지능을 부여해서 스스로 동작하도록 한다.

복잡한 현실을 반영한 데이터로 모델을 제작-> 사람이 어려움-> 머신러닝으로 알아서 공식을 만들어서 계산

4. 직업의 시작

머신러닝: 수많은 데이터가 있어야 한다.

             복잡한 것들을 단순화된 데이터를 이용해 찾아낼 수 있다.- >현실을 변화시킬 수 있다.

데이터 과학: 데이터를 만들고 만들어진 데이터를 이용

데이터 공학: 데이터를 이용하는 도구를 만들고 관리를 한다.

이 두가지는 서로 의존적이기 때문에 하나만 존재할 수는 없다.

5. 표

가장 위대한 것: 표

회계사가 만든 것: 행과 열로 만들어 데이터를 넣는 억압적인 도구

표: 단정하게 정리정돈, 컴퓨터가 가진 저장용량과 처리속도를 이용해 표 로보트를 만들 수 있다.

     데이터들의 모임. 데이터셋이라고 말한다. 

행: 개체, 관측치, 기록, 사례, 경우

열: 특성, 속성, 변수, field

*위 내용은 유튜브채널 생활코딩의 머신러닝 영상을 보고 정리한 것입니다*