머신러닝2 [핸즈온 머신러닝 정리] 1장. 배치 학습과 온라인 학습 앞 포스팅에서 머신러닝을 지도 학습, 비지도 학습, 강화 학습으로 나누어 보았다. 이는 '학습하는 동안의 감독 형태나 정보량'을 기준으로 분류한 것이다. 한편, 머신러닝은 '입력 데이터의 스트림(stream)으로부터 점진적으로 학습할 수 있는가?'에 따라 학습 방법을 크게 3가지로 나뉜다. 배치 학습(Batch Learning) 온라인 학습(Online Learning) 배치 학습 배치 학습에서는 시스템이 점진적으로 학습할 수 없으며, 가용한 데이터를 모두 사용해 훈련시켜야 한다. 먼저 시스템을 훈련시키고 그런 다음 제품 시스템에 적용하면 더 이상의 학습 없이 실행되게 때문에 학습한 것을 단지 적용만 하게 된다. 일반적으로 이 방식은 시간과 자원을 많이 소모하므로 보통 오프라인에서 수행한다. 그래서 '오.. 2021. 6. 26. [핸즈온 머신러닝 정리] 1장. 지도 학습과 비지도 학습, 강화 학습 머신러닝은 '학습하는 동안의 감독 형태나 정보량'에 따라 학습 방법을 크게 3가지로 나뉜다. 지도 학습(Supervised Learning) 비지도 학습(Unsupervised Learning) 강화 학습(Reinforcement learning) 이번 포스팅에서는 간단하게 전체적인 개념만 살펴본다. 앞으로의 포스팅에서 자세하게 다룰 것이다. 지도 학습 훈련 데이터(Training data)를 알고리즘에 주입하고, 원하는 답인 레이블(Label)을 도출할 수 있도록 하는 기계학습의 한 방법이다. 대표적인 지도 학습으로는 분류(Classification)와 회귀(Regression)가 있다. 분류(Classification)는 스팸 필터와 같이 많은 메일 샘플로 스팸인지 아닌지 훈련을 받은 후, 어떻게 새.. 2021. 6. 26. 이전 1 다음
