<div id="readability-page-1" class="page"><div>
					
		<h2><strong>Intro….</strong></h2>
<p>오랜 만에 포스팅을 합니다. 빅데이터 엔지니어 입장에서 업무를 하면서 포스팅을 하다가 최근에 분석컨설팅 업무와 공부를 하다 보니 빅데이터 분석에 필요한 머신러닝(Machine Learning), 딥러닝(Deep Learning)의 기초 및 주요 알고리즘에 대해 정리해보고자 합니다.</p>
<p><a href="http://hochul.net/blog/data_analysis_machine_learning_basic_1s/abriefhistoryofai/" rel="attachment wp-att-994"><img data-attachment-id="994" data-permalink="http://hochul.net/blog/data_analysis_machine_learning_basic_1s/abriefhistoryofai/" data-orig-file="http://hochul.net/blog/wp-content/uploads/2019/09/ABriefHistoryofAI.png" data-orig-size="1445,615" data-comments-opened="1" data-image-meta="{&quot;aperture&quot;:&quot;0&quot;,&quot;credit&quot;:&quot;&quot;,&quot;camera&quot;:&quot;&quot;,&quot;caption&quot;:&quot;&quot;,&quot;created_timestamp&quot;:&quot;0&quot;,&quot;copyright&quot;:&quot;&quot;,&quot;focal_length&quot;:&quot;0&quot;,&quot;iso&quot;:&quot;0&quot;,&quot;shutter_speed&quot;:&quot;0&quot;,&quot;title&quot;:&quot;&quot;,&quot;orientation&quot;:&quot;0&quot;}" data-image-title="ABriefHistoryofAI" data-image-description="<p>인공지능의 간략한 역사</p>
" data-medium-file="http://hochul.net/blog/wp-content/uploads/2019/09/ABriefHistoryofAI-300x128.png" data-large-file="http://hochul.net/blog/wp-content/uploads/2019/09/ABriefHistoryofAI-1024x436.png" src="http://hochul.net/blog/wp-content/uploads/2019/09/ABriefHistoryofAI-1024x436.png" alt="A Brief History of AI" width="1024" height="436" sizes="(max-width: 1024px) 100vw, 1024px"></a>A Brief History of Machine Learning</p>
<p>위 그림을 보면 데이터 분석이나 인공지능에 관심이 있는 분이면 한눈에 보일 만한 인공지능, 머신러닝의 간략한 역사를 표현한 그림이다. SVM(A Support Vector Machine performs classification by finding the hyperplane that maximizes the margin between the two classes.) 이후로 더디게 발전되다가 Neural Network이 나오면서부터 급속히 발전해 나가고 있습니다.</p>
<p>머신러닝, 즉, 기계학습은 어떤 데이터를 분류하거나 값을 예측하는 것이다. 분류하거나 값을 예측하는 것은 또한 확률과 통계를 토대로 한다. 수학 및 통계적인 지식이 많이 요구되는 것이 이와 같은 이유에서이다.</p>
<p>특정 사진을 보고 어떻게 강아지라고 맞출까요?</p>
<p>눈코입의 위치, 무늬, 귀모양, 다리의 개수 등의 특징을 빠르게 스캔하면서 우리가 알게 모르게 학습된 강아지의 모습이라고 판단했을 것이다.</p>
<p>이렇게 분류, 정답을 맞추기 위한 특징을 머신러닝에서 Feature라고 부른다. 만약 강아지의 Feature를 발톱모양, 홍채로 분류했다면 강아지인지 판단하기 어려울 것입니다. 이와 같이 적절한 Feature를 잘 정리하는 것이 머신러닝의 핵심이다.</p>
<p>머신러닝은 크게 2개 또는 3개의 학습방법으로 분류가 가능하다.</p>
<ul>
<li>지도학습(Supervised Learning)</li>
<li>비지도학습(Unsupervised Learning)</li>
<li>강화학습(Reinforcement Learning)</li>
</ul>
<p>여기서는 크게 지도학습과 비지도학습의 2가지에 대해 정리를 하고, 향후 주요알고리즘에 대해서 하나씩 포스팅하고자 합니다.</p>
<p>지도학습과 비지도학습의 가장 큰 차이는 정답지(Label)의 존재 유무인데, 간략히 비교해보면 아래와 같다.</p>
<table>
<tbody>
<tr>
<td><strong>지도학습</strong></td>
<td><strong>구분&nbsp; &nbsp; &nbsp;</strong></td>
<td><strong>비지도학습</strong></td>
</tr>
<tr>
<td>&nbsp;레이블(Label)이 존재하는 데이터</td>
<td>데이터 특성</td>
<td>&nbsp;레이블이 존재하지 않는 데이터</td>
</tr>
<tr>
<td>&nbsp;학습 및 피드백</td>
<td>피드백</td>
<td>&nbsp;피드백 불가</td>
</tr>
<tr>
<td>&nbsp;객관적인 평가 가능</td>
<td>평가</td>
<td>&nbsp;평가가 거의 불가능</td>
</tr>
<tr>
<td>&nbsp;분류, 회귀/예측</td>
<td>용도</td>
<td>&nbsp;군집, 연관규칙</td>
</tr>
</tbody>
</table>
<p>즉, 지도학습은 정답을 주고 기계가 정답을 맞출 수 있게 학습을 하는 것이고, 비지도 학습은 정답이 존재하지 않고 데이터에 숨겨진 특징이나 구조를 발견하는 것이다.</p>

<h3><strong>To Be….</strong></h3>
<p>아래 그림은 Machine Learning의 3가지 분류와 각 분류내 알고리즘 목록이다. 이중 산업현장에서 많이 쓰이는 내용들 위주로 알고리즘을 각각 정리하여 포스팅할 예정이다.</p>
<div id="attachment_998"><p><a href="http://hochul.net/blog/data_analysis_machine_learning_basic_1s/machinelearningalgorithm/" rel="attachment wp-att-998"><img data-attachment-id="998" data-permalink="http://hochul.net/blog/data_analysis_machine_learning_basic_1s/machinelearningalgorithm/" data-orig-file="http://hochul.net/blog/wp-content/uploads/2019/09/machinelearningalgorithm.png" data-orig-size="1398,1000" data-comments-opened="1" data-image-meta="{&quot;aperture&quot;:&quot;0&quot;,&quot;credit&quot;:&quot;&quot;,&quot;camera&quot;:&quot;&quot;,&quot;caption&quot;:&quot;&quot;,&quot;created_timestamp&quot;:&quot;0&quot;,&quot;copyright&quot;:&quot;&quot;,&quot;focal_length&quot;:&quot;0&quot;,&quot;iso&quot;:&quot;0&quot;,&quot;shutter_speed&quot;:&quot;0&quot;,&quot;title&quot;:&quot;&quot;,&quot;orientation&quot;:&quot;0&quot;}" data-image-title="machinelearningalgorithm" data-image-description="<p>Machine Learning Algorithm</p>
" data-medium-file="http://hochul.net/blog/wp-content/uploads/2019/09/machinelearningalgorithm-300x215.png" data-large-file="http://hochul.net/blog/wp-content/uploads/2019/09/machinelearningalgorithm-1024x732.png" src="http://hochul.net/blog/wp-content/uploads/2019/09/machinelearningalgorithm-1024x732.png" alt="Machine Learning Algorithm" width="1024" height="732" sizes="(max-width: 1024px) 100vw, 1024px"></a></p><p>Machine Learning Algorithm</p></div>
							</div></div>

Data First!

Intro….
오랜 만에 포스팅을 합니다. 빅데이터 엔지니어 입장에서 업무를 하면서 포스팅을 하다가 최근에 분석컨설팅 업무와 공부를 하다 보니 빅데이터 분석에 필요한 머신러닝(Machine Learning), 딥러닝(Deep Learning)의 기초 및 주요 알고리즘에 대해 정리해보고자 합니다.
A Brief History of Machine Learning
위 그림을 보면 데이터 분석이나 인공지능에 관심이 있는 분이면 한눈에 보일 만한 인공지능, 머신러닝의 간략한 역사를 표현한 그림이다. SVM(A Support Vector Machine performs classification by finding the hyperplane that maximizes the margin between the two classes.) 이후로 더디게 발전되다가 Neural Network이 나오면서부터 급속히 발전해 나가고 있습니다.
머신러닝, 즉, 기계학습은 어떤 데이터를 분류하거나 값을 예측하는 것이다. 분류하거나 값을 예측하는 것은 또한 확률과 통계를 토대로 한다. 수학 및 통계적인 지식이 많이 요구되는 것이 이와 같은 이유에서이다.
특정 사진을 보고 어떻게 강아지라고 맞출까요?
눈코입의 위치, 무늬, 귀모양, 다리의 개수 등의 특징을 빠르게 스캔하면서 우리가 알게 모르게 학습된 강아지의 모습이라고 판단했을 것이다.
이렇게 분류, 정답을 맞추기 위한 특징을 머신러닝에서 Feature라고 부른다. 만약 강아지의 Feature를 발톱모양, 홍채로 분류했다면 강아지인지 판단하기 어려울 것입니다. 이와 같이 적절한 Feature를 잘 정리하는 것이 머신러닝의 핵심이다.
머신러닝은 크게 2개 또는 3개의 학습방법으로 분류가 가능하다.
지도학습(Supervised Learning)
비지도학습(Unsupervised Learning)
강화학습(Reinforcement Learning)
여기서는 크게 지도학습과 비지도학습의 2가지에 대해 정리를 하고, 향후 주요알고리즘에 대해서 하나씩 포스팅하고자 합니다.
지도학습과 비지도학습의 가장 큰 차이는 정답지(Label)의 존재 유무인데, 간략히 비교해보면 아래와 같다.
지도학습
구분     
비지도학습
 레이블(Label)이 존재하는 데이터
데이터 특성
 레이블이 존재하지 않는 데이터
 학습 및 피드백
피드백
 피드백 불가
 객관적인 평가 가능
평가
 평가가 거의 불가능
 분류, 회귀/예측
용도
 군집, 연관규칙
즉, 지도학습은 정답을 주고 기계가 정답을 맞출 수 있게 학습을 하는 것이고, 비지도 학습은 정답이 존재하지 않고 데이터에 숨겨진 특징이나 구조를 발견하는 것이다.
 
To Be….
아래 그림은 Machine Learning의 3가지 분류와 각 분류내 알고리즘 목록이다. 이중 산업현장에서 많이 쓰이는 내용들 위주로 알고리즘을 각각 정리하여 포스팅할 예정이다.
Machine Learning Algorithm

데이터 분석을 위한 머신러닝 기초 #1

댓글