[머신러닝/인공지능] 머신러닝 기초 개념_지도학습/비지도학습/선형회귀/손실함수/오차/가중치/바이어스

지도학습(Supervised Learning)

타입1) 회귀(Regression)

타입2) 분류(Classification)

1. 정답을 포함하고 있는 트레이닝 데이터를 입력으로 

2. 트레이닝 데이터를 이용하여 학습

3. 학습된 결과를 바탕으로 TestData와 같은 미지의 데이터가 주어졌을때

4.그 데이터의 미래값을 예측

 

비지도학습(Unsupervised Learning)

학습데이터에 정답은 없고 입력값만 있음. 주로 군집화 알고리즘 이용.

입력값의 분포와 특성을 파악해서 정답값의 범위를 알아내 그룹화 시킨다.

 

선형회귀(Linear Regression)

학습(Learning)_오차(error)/가중치(weight)/바이어스(bias)

손실함수(Loss Function 또는 Cost Function)

직선 y=Wx+b함수의 계산 값 y와 정답 값 t의 차이를 모두 더해서 수식으로 나타낸 것

손실함수의 오차를 구할 때는 (t-y) 로 구한다.

제곱한 오차를 평균제곱오차라고 한다.(음수 양수 모두 오기 때문에 제곱으로 구함) 

 

손실함수값이 작다는 것은 평균오차가 작다는 의미.

머신러닝에서는 트레이닝 데이터를 바탕으로 손실함수의 값이 최소가 되도록 가중치W와 바이어스b를 구하는 것이 목적이다.