머신러닝 개요 - 머신러닝이란

머신러닝의 배경

빅데이터의 등장으로 수 많은 정보가 디지털 데이터로 저장되고 있다.

빅데이터를 통하여 IOT, Cloud, ML 기술이 상호 협력하고 있다.

이렇게 큰 데이터를 분석하고 처리하기 위한 도구가 필요하다.

 

빅데이터와 ML

머신러닝은 빅데이터를 분석할 수 있는 강력한 툴로, 기존 통계학 및 시각화 방법의 한계를 해결해준다.

ex) 예측, 패턴 파악, 추천 시스템

 

머신러닝이란

머신러닝의 개념 : 무엇(x)로 무엇(y)을 예측하고 싶다.

명시적으로 프로그래밍을 하지 않고도 컴퓨터가 학습할 수 있는 능력을 갖게 하는 것.

머신러닝은 데이터가 들어왔을 때 사람이 케이스를 나누는 것이 아니라, 기계가 스스로 예측을 한다.

데이터가 작다면 괜찮지만, 크기에 머신러닝이 필요하다.

 

결국 머신러닝은 X와 Y사이의 관계를 찾아서 함수 f를 만드는 것이다.

주어직 데이터 속에서 데이터의 특징을 찾아내는 함수 f를 만드는 것이 목적!

 

이런 f를 구하기 위해서는 입력 변수와 출력 변수가 필요하다.

p개의 입력변수 x1, x2, x3, ... xp가 있고, 출력변수 Y가 있을 때,

X = (x1, x2, x3, ...xp)라고 하면 입력 변수와 출력 변수의 관계를 나타내는 식은 아래와 같다.

 

 

 

 

머신러닝의 종류

머신러닝은 아래와 같이 나뉜다.

1. 지도학습 ex) 분류, 회귀

2. 비지도학습 ex) 클러스터링, 차원축소

3. 강화학습

 

 

 

머신러닝의 활용

X : 고객들의 개인 정보 및 금융 관련 정보, Y : 대출 연체 여부

 => 대출 연체자 예측 탐지 모델, 대출 연체 관련 주요 feature 추출

X : 게임 유저들의 게임 내 활동 정보, Y : 게임 이탈 여부

=> 이상 탐지 모델

X : 숫자 손 글씨 데이터, Y : 숫자 라벨(0~9)

=> 숫자 이미지 분류 모델

 

X : 상품 구매 고객 특성 정보 -> 군집화를 통한 고객 특성에 따른 그룹화

X : 고객들의 상품 구매 내역 -> 매장 내 상품 진열 위치 리뉴얼을 통한 매출 증대

X : 쇼핑몰 페이지 검색 및 클릭 로그 기록 -> 맞춤 상품 추천 시스템

X : SNS 데이터 및 뉴스 데이터 -> 소셜 및 사회 이슈 파악

 

 

 

그럼 어떻게 뭘 공부해야하지?

 

 

지도학습을 구현하기 위한

1) 데이터에 대한 이해

2) 머신러닝에 사용하기 위한 데이터 처리법

3) 지도학습 방법