1.1 Motivations

머신러닝에는 다양한 곳에 사용될 수 있다.

1. 스팸 필터링 : Document Classfication

2. 주가 지수 예측 : Stock Market Prediction

3. 번호판 인식 : Plate Number Recognition

4. SNS 추천 팔로우  : SNS Recomendation

5. 로봇 행동 결정 : 헬리콥터 공중에서 가만히 있게 해주는 기술

 

천안함 피격 사건 때 발생 되었던 정보를 모아 Data Mining -> 데이터에 대한 인식을 기계학습을 통해 알 수 있다.

다우존스 인덱스에 대한 지수 예측에 머신러닝을 활용할 수 있다.

 

머신 러닝의 분야

1. supervised learning :  알아 맞추기, prediction

2. unsupervised learning : 요약, 정리, 대표, 군집을 만드는 것

3. Reinforcement Learning : 어떤 것이 더 좋은가, 어떤 것이 더 좋게 표현되고 계획할 수 있는가

본 강의에선 1~2 part에 대한 강의 내용이다.

 

1. Supervised Learning: 다양한 정보에 의해 Supervision이 가미된 기계 학습 방법. 알려주는 데이터들을 기계들에게 알려주는 방법으로 기계한테 가이드를 제공한다.

ex) 스팸 필터링, automatic grading, automatic categorization(정보를 받았을 때 어느 카테고리에 속하는 가를 자동으로 분류)

supervised learning에도 크게 두 분류가 있다.

1. Classification : 주어진 카테고리에 대해서 True or False를 지정해주는 방법(Hit or Miss, type이 postivie or negative)

2. Regression : continuous value에 대해서 지정해주는 방법(value prediction)

 

2. Unsupervised Learning : 우리가 데이터를 주기 어려울 경우, 있는 데이터를 가지고 군집과 패턴을 찾는 방법. 있는 데이터를 분석하는 방법이다.

ex) discovering cluster, discovering latent factors(잠재적인 현상을 드러내기 위함)

주어진 신문에 대한 주제를 꺼내는 방법 : discovering cluster

여러 사람들의 얼굴을 종합하면 몇몇 얼굴 형태가 드러날 것이다 : discovering latent factor

교통 체중의 원인 분석을 하는데 사용 가능