컴퓨터 비전 1주차(2)

학습 목표 

• 나쁜 데이터와 나쁜 알고리즘의 예시를 알고 모델 기반 학습 예제를 분석할 수 있다.
• 파이썬에 대해 이해하고, 아나콘다와 주피터 실행을 위한 환경 설정을 따라할 수 있다.

머신 러닝(기계학습)의 주요 도전 과제

• 머신 러닝의 주요 작업은 학습 알고리즘을 선택해서 어떤 데이터에 훈련 시키는 것이므로 문제가 될 수 있는 2가지는 나쁜 데이터와 나쁜 알고리즘이다.

Q. 앞에서 살펴본 모델 기반 학습을 개선하려면 ? 또는 무언가 잘못되었다면 ?

• 더 많은 특성 (예시: 고용률, 건강, 대기오염, 등 ...) 을 사용한다.
• 좋은 훈련 데이터를 더 많이 수집한다.
• 더 강력한 모델 (다항 회귀 모델 등) 을 선택한다.

모델을 훈련시킨다 ?

• 비용 함수를 최소화하는 모델 파라미터를 찾는 과정이다. 이를 통해서 만들어진 모델을 통해 새로운 데이터를 예측하는 것이다.

 

※ 보편적인 가이드는 정형화된 데이터에는 트리 기반 앙상블과 지각에 관련된 데이터(이미지, 텍스트, 사운드)에는 신경망이 좋은 결과를 만든다.

---