[TensorFlow] 텐서플로 용어정리 (1)

Google MachineLearning crash 단기집중과정을 공부하면서 적는 나만의 생각 [ 구글 머신러닝 단기 집중과정  ]

feature ( 특징 ) 

  단순 선형 회귀의 x 변수

label ( 라벨 ) 

  단순 선형 회귀의 y 변수 , 예측 하는 항목 예를 들어 MNIST의 숫자데이터를 쓴다면 다음 이미지가 1인지 2인지 구분해주는 명찰이라고 생각하면 될듯하다.

Supervised Learning ( 지도 학습 ) 

 훈련 데이터로부터 하나의 함수를 유추 해내기 위한 기계학습의 한 방법이다. 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. ( 지도학습 wiki ) 

나의 이해 - 데이터를 학습 시킬때 feature와 Label을 1:1로 학습 시킨다. ( predict할때는 학습모델에서 가장 비슷한 데이터의 Label을 돌려줌 )

  labeled examples: {features, label}: (x, y)

  labeled examples: {features, label}: (x, y)

  labeled examples: {features, label}: (x, y)

Unsupervised Learning( 비지도 학습 ) 

 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다. ( 비지도학습 wiki ) 

나의 이해 - 데이터를 학습 시킬때 features만 넣고 Label을 넣지 않는다 . ( predict할때는 학습 모델에서 가장 비슷한 곳의 데이터를 반환하는듯싶다. Label은 없다. )

선형 회귀 모델 ( Linear Regression Model )

 선형 회귀는 선형 예측 함수를 사용해 회귀식을 모델링하며, 알려지지 않은 파라미터는 데이터로부터 추정한다. 이렇게 만들어진 회귀식을 선형 모델이라고 한다. 

 [ 선형 회귀 WIKI ]

ex) 서울의 집 가격은 얼마정도 되나요??

      공부를 하루 3시간이상 한 학생들은 점수가 얼마나 될까요?

나의 이해 - 학습된 모델에 데이터를 집어넣을경우 정확한 Label( Category )가 아닌 근사치 값에 대한 결과를 예측한다

분류 모델 ( Classification Model )

Classification 은 Supervised Learning( 지도 학습 )의 일종으로 , 기존의 존재하는 데이터와 Label의 관계를 학습하여 새로 들어온 데이터에 대해서 Label ( 다른말로 Category )를 판별하는 문제이다 , 즉 불연속적인 값을 예측한다. 

ex) 다음 이메일은 스팸메일인가 스팸메일이 아닌가 ?

     이 사진은 고양이인가 , 강아지인가 , 물고기 사진인가?

나의 이해 - 정확히 주어진 데이터가 1 인지 0 인지 True or False인지 정확한 하나의 답을 예측한다