[CS229] [1] Lecture 1 - Introduction

0. Introduction

- 해당 강의의 목적성은 해당 강의를 통해서 머신러닝 전문가가 되었으면 좋겠다는 것이다.

- 전반적으로 CS229에선 머신러닝에 대한 내용을 담고있다.

- 기본적인 자료구조, 확률과 통계, 선형대수학에 대해서 베이스를 깔고 간다고 가정하고 진행한다.

 

1. Machine Learning?

- 해당 강의에서 머신러닝을 정의를 하는데 다음과 같이 정의한다.

- 머신러닝 : "컴퓨터가 명확하게 프로그래밍되지 않고도 학습할 수 있는 능력을 제공한다."

 

2. Supervised Learning(지도 학습)

- 오늘날 가장 널리 사용되는 머신러닝 도구는 Supervised Learning(지도 학습)이라고 한다.

- Supervised Learning이란 (입력x와 라벨링된 y)가 있는 데이터 셋이 주어졌을때 x -> y로 매핑을 학습하는 것을 의미한다.

2.1. Regression(회귀)

 

- 다음과 같이 X축이 평, Y축이 가격이라고 주어졌을때

- 파란 x점으로 데이터가 표기 되어 있다고 가정해보자. 

- 이때 우리는 1700평일때 가격이 얼마인지를 알고 싶다면,

- 파란 x점을 잘 설명하는 그래프를 그려서 그 그래프의 값을 읽어내면 될 것이다.

- 즉, Regression은 Y가 연속성을 띄고 있다고 가정하에 X에따라 Y가 무엇인지 얻어내는 것을 의미한다.

 

2.2. Classification(분류)

 

- x가 부의 상대적 가치고, y가 생존이라고 생각해보자.

- 해당 데이터를 보면 부의 가치가 음이면 생존하지 못하고, 부의 가치가 양이면 생존한다는 것을 알 수 있다.

- 다음과 같이 연속적이지 않고 이산적인 형태로 뛴다는 것을 알 수 있다.

- 분류를 정의하면 다음과 같이 정의가 가능하다.

"Y가 이산적인 개수의 변수를 갖는다는 것" 

- 다음과 같이 분류도 가능하기도 하다.

 

3. Unsupervised Learning(비지도 학습)

- 우리는 앞서서 Supervised Learning은 X에따라 Y라는 레이블이 주어져 있는 데이터를 가지고 학습한다는 것으로 정의했다.

- Unsupervised Learning은 X에 따라 Y라는 레이블이 주어져 있지 않는 데이터를 가지고 학습하는 것을 의미한다.

- 즉, 답지가 없는 데이터를 가지고 학습한다는 것이다. (Clustering이 비지도학습의 예시중 하나이다.)