[MACHINE LEARNING - Sung Kim] machine learning의 기본 개념과 Regression Graph

1) Machine Learning 기본 개념

Supervised Learning

 : 정해져있는 데이터(이미 label이 정해져있음 = training set)

ex) 이미지를 주면 자동으로 이미지를 구별해주는 것 -> machine learning을 이용

    어떻게 만들까? 사람이 고양이, 강아지등의 그림을 미리 줌 그것을 바탕으로 그림을 구분해냄

ex) Email spam filter

ex) Predicting exam score

regression / binary classification / multi-label classification

- Predicting final exam score based on time spent => regression

  데이터의 범위가 넓음

- pass / non-pass based on time spent => binary classification 

  pass/fail => 두개의 데이터

- Letter grade (A,B,C,D,F) based on time spent => multi-label classification

  결과값을 고르는 것 (binary보다 범위가 넓지만 regression보다 좁음) 

Unsupervised Learning

 : label을 주지 않음 -> Data를 보고 스스로 구분

ex) 구글 뉴스 -> 임의의 뉴스를 받으면 종류를 구분해줌

    비슷한 단어 구별

tensorflow

 : open source sofrware library for numerical computation using data flow graphs

 : python

Data flow graph

 :  nodes in the graph represent mathematical operations

 :  edges represent the multidimensional data arrays(tensors) communicated between them

2) Regression Graph

regression graph

- x와 y의 축이 있을때 data가 좌표에 점을 찍음

- 점을 이으면 linear graph가 나타남

- 어떤 linear graph를 그리면 data 차이가 적을까?

이 차이를 계산하는 함수 => cost function

즉 cost function을 가장 작게 만드는 것이 목표!

minimize cost(W,b)