[ML] 머신러닝(Machine Learning)

1. 머신러닝이란?

• 데이터를 기반으로 컴퓨터가 스스로 학습하여 패턴을 찾고 의사결정을 하는 기술
• 기본용어
  • 특성(Feature): 입력 데이터의 특징/속성
  • 레이블(Label): 예측하고자 하는 목표값
  • 모델(Model): 입력을 출력으로 변환하는 시스템
  • 학습(Training): 데이터로부터 패턴을 찾는 과정

2. 머신러닝 유형

• 지도학습(Supervised Learning)
  • 입력과 정답이 있는 데이터로 학습 ⇒ 정답 O
  • 예: 분류(Classification), 회귀(Regression)
• 비지도학습(Unsupervised Learning)
  • 정답 없이 데이터의 패턴을 발견 ⇒ 정답 X
    • 예: 군집화(Clustering), 차원축소
• 강화학습(Reinforcement Learning)
  • 환경과 상호작용하며 보상을 통해 학습

https://77hjoon.tistory.com/54

[ML] 머신러닝의 종류와 분류

 

3. 데이터 전처리

• 머신러닝 모델이 잘 학습할 수 있도록 데이터를 준비하는 과정
• 데이터 분석을 위해 수집한 데이터를 분석에 적합한 형태로 가공하는 과정
• 원본 데이터는 보통 결측값, 이상치, 불필요한 정보 등 다양한 문제를 포함하고 있기 때문에 전처리 과정이 필요

4. 주요 알고리즘

• 기본 알고리즘
  • 선형 회귀(Linear Regression)
    • 연속적인 값을 예측
    • y = wx + b 형태의 직선 찾기
  • 로지스틱 회귀(Logistic Regression)
    • 이진 분류 문제 해결
    • 확률을 기반으로 분류
• 심화 알고리즘
  • 결정 트리(Decision Tree)
    • 규칙 기반의 의사결정
    • 해석하기 쉬운 모델
  • 서포트 벡터 머신(SVM)
    • 데이터를 가장 잘 구분하는 경계 찾기
  • 신경망(Neural Networks)
    • 뇌의 구조를 모방한 알고리즘
    • 딥러닝의 기초

5. 머신러닝 개발 프로세스

1. 데이터 수집과 전처리
2. 모델 선택 및 학습
3. 모델 평가 및 검증
4. 모델 배포와 유지보수

6. 프로그래밍 도구

Python 라이브러리

• NumPy: 수치 계산
• Pandas: 데이터 처리
• Scikit-learn: 머신러닝 구현
• TensorFlow/PyTorch: 딥러닝 구현