Machine Learning

개요

machine learning is…

종류

• Supervised learning
• Unsupervised learning
• Reinforcement learning

흐름

1. 데이터 수집
2. 데이터 가공
3. 데이터 학습
4. test
5. good job

참고자료

• SVM에 대한 자세한 내용 (참고:평면의 방정식)
• SVM 강의 (19분까지는 margin을 수학적으로 구하는 방법, 그 이후로는 초평면을 찾는 과정)
• 머신러닝의 모델 성능에 대한 지표로 accuracy, precision, recall, f1-score, support 가 사용된다.

TERMS:

• True Positive(TP) : True라고 예측하고 True 결과값을 얻음 (맞음)
  ex) 스팸으로 예측하여(T) 스팸함에 넣었는데 진짜로 스팸이었다(T)
• False Positive(FP) : True라고 예측하고 False 결과값을 얻음 (틀림)
  ex) 스팸으로 예측하여(T) 스팸함에 넣엇는데 스팸이 아니었다(F)
• True Negative(TN) : False라고 예측하고 False 결과값을 얻음 (맞음)
  ex) 스팸이 아니라고 예측하여(F) 받은 메일함에 넣엇는데 스팸이 아니었다(F)
• False Negative(FN) : False라고 예측하고 True 결과값을 얻음 (틀림)
  ex) 스팸이 아니라고 예측하여(F) 받은 메일함에 넣엇는데 스팸이었다(T)

• Accuracy(정확도)
  • TP+TN / TP+TN+FP+FN
    (올바른 판단 횟수) / (판단 총 횟수)
    → 전체 판단 중 얼마나 정확하게 맞추었는가
• Precicion(정밀도)
  • TP / TP+FP
    (실제 True 횟수) / (True라고 판단한 횟수)
    → True로 분류했는데 그 것이 진짜로 True인가?
• Recall(재현율)
  • TP / TP+FN
    (True 횟수) / (올바른 판단 횟수)
    → 바르게 판단한 케이스 중 진짜 True인 case를 얼마나 정확히 맞추었는가?
• F1-score
  • 정밀도와 재현율의 가중치가 같은 조화평균
    참고자료 필독