머신러닝에 전반적인 개요

머신러닝이라는게 뭔가.. 이해해보고자 

여기저기서 조사한 자료를 나름대로 모아서 정리해봤습니다 

뭐.. 약간에 참고가 되길 바라며 ~

텐서플로우 강좌

http://learningtensorflow.com/index.html

파이썬 강좌

https://wikidocs.net/2

딥러닝 기초 강의 사이트

http://hunkim.github.io/ml/

http://sanghyukchun.github.io/57/

요기 좀 괜찮음 

http://newsight.tistory.com/68

---

1. 머신러닝 ( = 기계학습)

     인공지능의 한 분야, 컴퓨터가 학습할 수 있는 알고리즘과 기술을 개발하는 분야

     - 키워드 : 표현, 일반화

     - 표현(representation) : 데이터 평가

     - 일반화(generalization) : 데이터 처리

---

2. 학습 유형

     기. 비지도 학습 (Unsupervised Learning)

          1) 설명

               - 입력값에 대한 목표치가 주어지지 않는다.

               - 통계학의 밀도추정(Density Estimation)과 연관이 있으며, 데이터의 주요 특징을 요약하고 설명 할 수있게 된다. 

     나. 지도 학습 (Supervised learning)

          1) 설명

               - 훈련 데이터로 부터 "하나의 함수”를 유추해 내기 위한 머신러닝(기계학습)의 한 방법

               - "A @ B # C = Y” 처럼 (A, B, C) 와같은 변수와 (Y)라는 결과값(lable)이 대량 존재할때

                 위 훈련데이터(Training Data Set)를 사용해서 학습 시킴으로써

                 @와 #이 어떤 관계를 갖는지 "함수를 유추”하는것을 지도학습이라고 한다.

               - 위에서 유추한 함수를 사용하여 예측하고자 하는 A, B, C 값을 대입 했을때 결과값 Y를 추출해 낼 수 있다.

          2) 알고리즘 종류

               - Support vector machine (서포트 벡터 머신)

               - Hidden Markov model (은닉 마르코프 모델)

               - Regression (회귀 분석)

               - Neural network (신경망)

               - Naive Bayes Classification (나이브 베이즈 분류)

          3) 평가

            모델링 -> 훈련 -> 평가 ( 정밀도(Precision), 재현율(Recall) )

         

     다. 준 지도 학습 (Semi-Supervised Learning)

          1) 설명

               - 목표값이 표시된 데이터와, 표시되지 않은 데이터를 모두 훈련에 사용

               - 목표값이 표시된 데이터가 적고, 표시되지 않은 데이터를 많이 갖는 훈련데이터일 경우 사용

               - 비지도학습에 비해 시간과 비용을 절약하고 정확성을 높일 수 있다. 

           2) 접근방향

               - 특징점과 목표값의 결합분포를 모델링하고, 목표값이 없는 데이터에 대해서는 목표값을 "잃어버린 데이터"로 처리

               - 기댓값 최대화 알고리즘(EM알고리즘) 에 대입하여 최대가능도를 구한다. 

     라. 강화 학습 (Reinforcement Learning)

          1) 설명

               - 어떤 환경을 탐색하는 에이전트가 현재의 상태를 인식하여 어떤 행동을 취할경우, 에이전트는 환경으로부터 포상(양수/음수)을 얻게된다.

               - 에이전트가 앞으로 누적될 포상을 최대화 하는 일련의 행동으로 정의되는 정책을 찾는것이 강화 학습니다.          

               - 장/단기 포상 간에 트레이드오프(=선택에 의한 손익)가 존재하는 문제를 다루는데 적합 (엘리베이터 스케쥴링, 통신망, 체스 등)

     마. 심화 학습 (Deep Learning)

          1) 설명

               - 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 머신러닝 알고리즘의 집합

               - 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야

               - 훈련데이터가 있을경우 컴퓨터가 이해할 수 있는 형태(이미지의 경우 픽셀정보를 열벡터로 표현)로 표현하여 학습

               - 음성인식, 영상인식, 자연어 처리, 약물 발견과 독성학, 고객 관계 관리 등에 적용

     

          2) 알고리즘 종류

               - Neural Networks (신경망)

               - DNN (Deep Neural Networks : 심층 신경망) 

               - CNN (Convolutional Neural Networks : 합성곱 신경망)  ★

               - RNN (Recurrent Neural Network : 순환 신경망) ★

               - RBM (Restricted Boltzmann Machine : 제한 볼츠만 머신)

               - DBN (Deep Belief Networks : 심층 신뢰 신경망)

               - DQN (Deep Q-Networks : 심층 Q-네트워크)

          3) 참조

               - 디스트빌리프(2011) -> 텐서플로(2015)

               - 디스트빌리프

                : 2011년 구글브레인팀에서 만든 첫번째 머신러닝 시스템

                : 검색, 음성검색, 광고, 구글포토, 구글맵스, 스트리트뷰, 번역, 유투브 등 실 서비스에 디스트빌리프의 딥러닝뉴럴네트워크가 적용

               - 텐서플로     

                : 2015년 구글브레인팀에서 만든 두번째 머신러닝 시스템 (Android, IOS, 64bit Linux, OS X 지원)

                : 텐서플로 연산은 상태를 가지는 데이터 흐름 유향그래프로 표현된다. 

               - 켄쇼(Kensho)

                

---

所谓的赛车跑法是什么? 想了解一下 

我们整理好各地调查资料,整理好了自己的资料 

什么...希望能稍作参考~





텐서讲座

http://learningtensorflow.com/index.html



파이썬讲座

https://wikidocs.net/2



深度学习基础讲义网站

http://hunkim.github.io/ml/



http://sanghyukchun.github.io/57/



聊以充饥 

http://newsight.tistory.com/68





1.机械跑步(=机器学习)

人工智能领域,开发计算机学习的算法和技术的领域.

-关键词:表现,普通话

-表现(representation):数据评价

-一般化(generalization):数据处理





2.学习型模式

元气비지도(Unsupervised Learning)

1)说明

-对于输入值的目标值不设定目标值,您怎么看?

-与统计学的密度推定(Density Estimation)有关联,可以简要地概括数据的主要特征。 



我。 指导学习(Supervised learning)

1)说明

-从训练数据中抽取"一种函数"的机器跑机(机械学习)的一种方法

-如"A@B#C"和"Y"一样(A,B,C)等变数和(Y)这种결과값(Y)的lable

用上面地训练数据(Training Data Set)来学习

@和#有何关系,"类首推首"叫做指导学习。

-在使用上面的函数进行推测的函数,在想要进行预测的A、B、C的时候,可以提取出결과값Y。



2)算法类

-Support vector machine(支持方向)

-Hidden(藏青色)

-Regression(回归分析)

-Neural(神经网)

-Naive Bayes(나이브베이즈分类)



3)评价

面试->训练->评价(Precision),重现率(Recall)





全部。 教导主任学习指导(Semi Learning)

1)说明

-用于显示目标值的数据和未标注的数据全都用于训练

-显示目标值的数据较少、未标注的数据较多时使用的数据

-与비지도学习相比,可以节省时间和费用,提高准确性。 



2)接近方向

-将특징점和目标值的结合分布在一起,对于没有目标值的数据,将目标值定为"丢失的数据"。

-进入기댓값最大化算法(EM搜寻算法),寻找最大的可能性。 



라. 强化学习(Reinforcement Learning)

1)说明

-探索某种环境的经纪人认识到目前的状态,采取某种行动时,经理会从环境中获得褒奖(양수/负数)。

-您将采取一系列措施,以使经纪人今后将累计的奖金变成最大化的一系列行动,从而寻求更多的政策。 

-장/短期奖励之间存在问题(选择通过选择的损益)存在问题(电梯스케쥴링、通信网、国际象棋等)



山药 深入学习(Deep Learning)

1)说明

-通过비선형변환技法的组合,试图实现高水准的抽象画法的集合

-사람의사고방식을컴퓨터에게가르치는기계학습의한분야

-如有训练数据,可将电脑所理解的形态(以图片为例)表现为"以牙还牙",以此来学习。

-适用语音识别、影像识别、자연어处理、药物发现、毒性、客户关系管理等



2)算法类

-Neural(神经网)

-DNN(Deep Neural Networks:Deep신경망)) 

-美国有线新闻网(CNN)Networks:(합성곱Neural)】★神经网(Convolutional신경망)。

-RNN(Recurrent Neural Network:循环神经网)★

-RBM(Restricted Boltzmann Machine:제한머신)

-DBN(Deep Belief Networks:深层信任神经网)

-DQN(Deep Q-Networks:深层Q-网络)



3)参考

-디스트belif(2011)->텐서(2015)



-디스트belif

:2011年在谷歌Brain King创建的第一个机器跑步系统

:搜索、语音搜索、广告、Google포토、谷歌地图、街景、翻译、YouTube等服务应用于디스트的深度学习



-텐서 

:2015年谷歌大脑团队研制的第二个机器跑步系统(Android,IOS,64 bit Linux,OS X)

:텐서演算采用了状态保持状态的数据流흐름。