<div id="readability-page-1" class="page"><section>
			
			

			
			<article>
				
				<p>Machine Learning 관련 용어들을 간략하게 정리한다.</p>

<h3 id="1-machine-learning-term">1. Machine Learning Term</h3>

<ul>
  <li>Model : Training(학습)을 통해서 예측을 수행하는 함수를 의미한다.</li>
  <li>Feature : Data를 기반으로 추출한 Model의 입력값을 의미한다.</li>
  <li>Feature Engineering : Model의 가장 적합한 Input Variable 집합을 찾는 과정이다. 기존의 Feature들을 기반으로 새로운 Feature를 추출하고, 추가하는 과정도 Feature Engineering의 과정에 포함된다.</li>
  <li>Parameter : Model Training을 통해서 설정되는 Model 내부의 값들을 의미한다.</li>
  <li>Hyperparameter : Data에 기반하지 않고 Model 개발자가 별도로 설정하는 Model의 입력값을 의미한다.</li>
  <li>Data Acquisition : Training을 위한 Data 수집 과정을 의미한다.</li>
  <li>Target Variables : Model을 이용하여 예측하려는 실제값을 의미한다.</li>
  <li>Error Function : Model을 이용하여 얻은 예측값과 실제값의 차이를 반환하는 함수를 의미한다.</li>
  <li>Training Data : Training을 위한 Data를 의미한다. 일반적으로 전체 Data의 60% 정도를 Training Data로 분류하고 이용한다.</li>
  <li>Validation Data : Training이 완료된 Model을 검증을 위한 Data를 의미힌다. 검증의 의미는 Model의 정확도 및 성능을 평가하는 단계를 의미한다. 일반적으로 전체 Data의 20% 정도를 Validation Data로 분류하고 이용한다.</li>
  <li>Test Data : 검증이 완료된 Model의 성능 및 정확도 Test를 위한 Data를 의미한다. 일반적으로 전체 Data의 20% 정도를 Test Data로 분류하고 이용한다.</li>
  <li>Linear Regression : 연속적인 값중에서 하나의 값을 예측하는 과정을 의미한다.</li>
  <li>Logistic Regression : Linear Regression을 통해 얻은 예측값을 Sigmoid 함수를 통해서 0~1의 사이값으로 변환하는 기법을 의미한다.</li>
  <li>Neural Network : 사람의 뇌 구조를 모방하여 만든 Network를 의미한다. 일반적으로 Input Layer, Output Layer 그리고 Input Layer, Output Layer 사이에 존재하는 Hidden Layer로 구성되어 있으며, 각 Layer의 Node들은 Neural을 의미한다.</li>
  <li>Deep Learning : Neural Network를 활용한 Machine Learning 기법을 의미한다.</li>
  <li>Decision Tree :</li>
</ul>

<h3 id="2-참고">2. 참고</h3>

<ul>
  <li>Feature Engineering, Hyperparameter Tuning : <a href="https://stats.stackexchange.com/questions/448757/difference-between-feature-engineering-and-hyperparameter-optimizations">https://stats.stackexchange.com/questions/448757/difference-between-feature-engineering-and-hyperparameter-optimizations</a></li>
  <li>Model Validation, Model Testing : <a href="https://stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set">https://stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set</a></li>
</ul>

				
				
					
					<ins data-ad-client="ca-pub-2913607840371995" data-ad-slot="7197718666" data-ad-format="auto"></ins>
					
				

				
				
					
				
			</article>
		</section></div>

Ssup2 Blog

Machine Learning 관련 용어들을 간략하게 정리한다.
1. Machine Learning Term
  Model : Training(학습)을 통해서 예측을 수행하는 함수를 의미한다.
  Feature : Data를 기반으로 추출한 Model의 입력값을 의미한다.
  Feature Engineering : Model의 가장 적합한 Input Variable 집합을 찾는 과정이다. 기존의 Feature들을 기반으로 새로운 Feature를 추출하고, 추가하는 과정도 Feature Engineering의 과정에 포함된다.
  Parameter : Model Training을 통해서 설정되는 Model 내부의 값들을 의미한다.
  Hyperparameter : Data에 기반하지 않고 Model 개발자가 별도로 설정하는 Model의 입력값을 의미한다.
  Data Acquisition : Training을 위한 Data 수집 과정을 의미한다.
  Target Variables : Model을 이용하여 예측하려는 실제값을 의미한다.
  Error Function : Model을 이용하여 얻은 예측값과 실제값의 차이를 반환하는 함수를 의미한다.
  Training Data : Training을 위한 Data를 의미한다. 일반적으로 전체 Data의 60% 정도를 Training Data로 분류하고 이용한다.
  Validation Data : Training이 완료된 Model을 검증을 위한 Data를 의미힌다. 검증의 의미는 Model의 정확도 및 성능을 평가하는 단계를 의미한다. 일반적으로 전체 Data의 20% 정도를 Validation Data로 분류하고 이용한다.
  Test Data : 검증이 완료된 Model의 성능 및 정확도 Test를 위한 Data를 의미한다. 일반적으로 전체 Data의 20% 정도를 Test Data로 분류하고 이용한다.
  Linear Regression : 연속적인 값중에서 하나의 값을 예측하는 과정을 의미한다.
  Logistic Regression : Linear Regression을 통해 얻은 예측값을 Sigmoid 함수를 통해서 0~1의 사이값으로 변환하는 기법을 의미한다.
  Neural Network : 사람의 뇌 구조를 모방하여 만든 Network를 의미한다. 일반적으로 Input Layer, Output Layer 그리고 Input Layer, Output Layer 사이에 존재하는 Hidden Layer로 구성되어 있으며, 각 Layer의 Node들은 Neural을 의미한다.
  Deep Learning : Neural Network를 활용한 Machine Learning 기법을 의미한다.
  Decision Tree :
2. 참고
  Feature Engineering, Hyperparameter Tuning : https://stats.stackexchange.com/questions/448757/difference-between-feature-engineering-and-hyperparameter-optimizations
  Model Validation, Model Testing : https://stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set

Machine Learning Term

댓글