머신 러닝에 사용되는 다양한 유형의 알고리즘
기술의 발전으로 인해 머신러닝, 딥러닝 또는 인공지능과 같은 용어를 자주 접하게 되었습니다.
머신 러닝은 AI의 범주에 속하며, 기계가 스스로 작동하도록 가르치는 과정입니다.
하지만 기계에 다양한 작업에 대한 교육을 어떻게 실시하는가 시장성테스트?
따라서 데이터 분석과 머신 러닝 기술에는 다양한 알고리즘과 수학적 표현이 사용됩니다.
하지만 다양한 알고리즘 형태에 대한 설명을 시작하기에 앞서 몇 가지 용어를 정의해야 합니다.
레이블이 지정된 데이터: 입력 및 출력 샘플 데이터 쌍으로 구성된 교육 데이터
이산적이어야 하는 값의 분류.
연속적으로 값을 예측하는 것을 목표로 하는 회귀 분석입니다.
기계에 가르치는 방법을 알기 위한 다양한 기술
이제 우리는 기계 학습의 알고리즘 사용의 다양한 유형에 대한 설명을 시작할 것입니다.
1. 지도학습
훈련되고 샘플 입력 및 출력이 있는 프로세스가 선택되는 알고리즘입니다. 하지만 이 유형의 알고리즘을 공급하려면 인간 전문가가 필수적입니다. 이 학습 기술의 알고리즘 유형은 최근접 이웃, 나이브 베이즈, 의사 결정 트리, 선형 회귀, 지원 벡터 회귀 및 신경망입니다.
2. 비지도 학습
여기서 머신은 레이블이 지정되지 않은 데이터로 훈련되며, 인간 전문가는 어떠한 역할도 하지 않습니다. 패턴 설명 및 설명적 모델링 알고리즘이 일반적으로 사용됩니다. 이러한 알고리즘에는 출력 범주가 없습니다. 클러스터링 알고리즘과 연관 규칙 학습 알고리즘이 주요 유형입니다. 또한 K-는 클러스터링을 의미하고 연관 규칙은 일반적인 알고리즘입니다.
3. 반지도학습