Machine Learning by professor Andrew Ng in Coursera
Day 1 - What is Machine Learning?
Machine Learning Definition
Arthur Samuel (1959) : Machine Learning defines field of study that gives computers the ability to learn without being explicitly programmed.
-> 뚜렷하게 프로그램되있지 않아도 스스로 학습할 수 있는 능력을 컴퓨터에게 부여하는 것으로 정의한다.
Tom Mitchell (1998) : well-posed Learning program , computer program is said to learn form experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.
-> 카네키 멜런의 대학교수 Tom Mitchell은 머신러닝을 프로그램이 경험 E가 증가함에 따라 작업 T를 수행하여 성능 P가 향상되는 것이라고 말했습니다.
여기서 2가지 머신러닝의 정의를 각자 내린 것이 의미가 있다고 생각하지만 개인적으로 Arthur Samuel이 말한 머신러닝의 정의가 좀 더 명확하고 간단해 더 저에게 와닿았습니다.
**Supervised Learning ** -> 답을 알려주고 학습시켜 예측하는 것
Regression / Calssification (회귀 / 분류) 문제가 있다. -> 회귀는 연속적인 값을 예측하는 것이며 분류는 불연속적인 값을 예측하는 것이다.
회귀문제 예시 - 집 가격 예측
분류문제 예시 - 종양 크기에 따른 종양 여부
Unsupervised Learning
-> 답을 알려주지 않고 학습시켜 예측하는 것
Clustering (군집) 분석이 비지도학습의 대표적인 예이다.
분류 알고리즘
-> 또한 가장 많이 군집분석이 많이 사용되는 곳은 Organize computing clusters , Social network analysis , Market Segmentation , Astronomical data analysis이가 있다.
음성분리 알고리즘 예시 -> 2가지의 음성 파일을 각각 사람의 음성과 배경음악으로 알고리즘으로 분리가능 -> Octave프로그램을 이용하면 내장되어있는 함수를 이용해 코드 한 줄로 구현 가능
비분류학습 예시 - 칵테일파티 알고리즘
-> 교수님이 다른 프로그래밍 언어 JAVA, C++, Python등으로 구현가능하지만 코드가 어렵고 복잡할 것이며 Octave를 이용하면 빠르고 쉽게 구현할 수 있다고 다음 시간에는 활용할 것이라고 강조하셨다.
References : www.coursera.org/learn/machine-learning by professor andrew Ng wikidocs.net/4209 by Machine Learning 강의노트