[01] 러닝 모델(Learning Model) :: Machine Learning

머신러닝은 데이터 가공/변환, 모델 학습/예측, 평가의 프로세스로 이루어져있다.

 

머신러닝; 판단력을 기계에게 부여하는 기술

-> 여기서, 판단력을 '모델'이라고 한다.

(판단력을 인간으로 치면 '뇌'에 해당한다고 볼 수 있다.)

 

러닝 모델은 커다란 함수로 구성되어있다고 할 수 있다.

 

일반적인 머신러닝의 형식은

모델 정하기 -> 모델 수식화하기 -> 모델 학습하기 -> 모델 평가하기

로 볼 수 있는데,

이 말은 즉, 모델이 머신러닝의 핵심이라고 볼 수 있다.

 

모델은 크게 간단한 모델, 복잡한 모델, 구조화된 모델로 볼 수 있다.

 

간단한 모델

데이터 구조가 간단하다는 뜻

데이터 구조가 간단하려면, 모델은 아주 강력한 가정을 해야한다.

대부분 선형모델을 이야기하며, 이해하기 쉽다.

단점: 복잡한 관계는 학습할 수 없다.

복잡한 모델

데이터가 복잡하다고 가정하는 경우

모델의 복잡성의 관점은 유연성에 있다.

더 유연한 모델을 복잡한 모델이라고 한다.

대표적인 예: 결정트리

구조화된 모델

입력과 출력의 관계만을 학습하는게 아니라 데이터 구조 자체를 모델링하는 모델

구조화된 모델은 간단한 모델이 될 수도 있고, 복잡한 모델이 될 수도 있다.

대표적인 예: 그래프 모델

연속된 관측값이 서로 연관성이 있을 때 주로 사용

(ex. 텍스트, 시간과 관련된 데이터 분석)

특정 시점에 상태(중간데이터)를 저장하고, 상태가 각 시점의 입력과 출력에 따라 변화한다

 

 

 

[출처] https://isme2n.github.io/devlog/2017/10/27/machine-learning-3/