100.daum.net백과사전학습지도학습지도(學習指導)는 학습을 가장 잘 할 수 있도록 학습에 필요한 환경을 조직하고 움직여 나가는 활동이다.학습지도의 철학, 《글로벌 세계 대백과》 학습자는 성인과는 다른 성장하는 유기체이며, 성장하면서 지적·신체적·도덕적·사회적 경험을 쌓는...백과사전 검색 더보기출처: 위키백과
drawor1d.tistory.comHello World1. [머신러닝] 지도학습 (Supervised Learning)지도 학습이란정답이 있는 데이터를 이용해 학습시키는 것. 여기서 정답이란 데이터의 라벨(label)을 의미크게 분류(Classification)와 회귀(Regression)가 있음.분류는 새 데이터를 받아 이것이 어느 그룹에 속하는지 결정하는 것이고 (ex. 메일이 스팸인지 아닌지 결정)회귀는 기존의 데이터를 이용해 새 입력값에 대한 결과값을 예측하는 것. (ex. 공부 시간에 따른 시험성적 예측)분류K-Nearest Neighbor, KNN K-NN은 새로운 입력을 받으면 기존 데이터와의 모든 거리를 구해서 가장 많은 속성을 가진 클러스터에 할당하는 알고리즘. 즉 미리 모델을 만들어 두는 게 아니라 기존 데이터를 두고 비교하는 것. K 값에 따라 결과가 바뀔 수 있음. 기존 데이터에 이미 라벨이 있으므로 지도학습 새 데이터가 들어오면 모든 기존 데이터와의 거리 비교 가장 가까운 k개의 데이터 찾기 그 중 가장 많은 데이터의 그룹에 배정 k는 보통 홀수 Distance Metric L1 Distance: 차의 절댓값의 합 L2회귀선형 회귀 Linear Regression 분류와 달리 연속된 값에 대한 예측 모형을 만들어 냄.이때 결과값이 독립변수와 종속 변수가 선형 관계를 가짐 단순 선형 회귀 고려하는 요소가 하나밖에 없을 때 독립변수 1개, 2차원 그래프y = wx + b 다중 선형 회귀 고려해야하는 요소가 더 많을 때 독립변수 2개 이상, 3차원 이상 그래프y = b + w1x1 + w2x2 + ... + wnxn 회귀 모델 평가 실제 값과 예측값의 오차를 나타내는 Loss 함수를 최소로 하는 것Loss 값을 구하는 방법은 MAE, MSE, RMSE 등25K-Nearest Neighbor, KNN K-NN은 새로운 입력을 받으면 기존 데이터와의 모든 거리를 구해서 가장 많은 속성을 가진 클러스터에 할당하는 알고리즘. 즉 미리 모델을 만들어 두는 게 아니라 기존 데이터를 두고 비교하는 것. K 값에 따라 결과가 바뀔 수 있음. 기존 데이터에 이미 라벨이 있으므로 지도학습 새 데이터가 들어오면 모든 기존 데이터와의 거리 비교 가장 가까운 k개의 데이터 찾기 그 중 가장 많은 데이터의 그룹에 배정 k는 보통 홀수 Distance Metric L1 Distance: 차의 절댓값의 합 L22024.04.19블로그 검색 더보기rlaqhrclf123.tistory.com철산동 돌하르방지도학습1. 개념 정리지도학습이란 정답이 주어진 데이터를 학습 한 뒤 입력된 데이터의 정답을 예측하는 방식 (회귀, 분류) 피쳐(Feature)와 라벨 (label)을 같이 학습시킨다는 점이 가장 큰 특징 지도학습은 시간이 많이 사용되며 메모리 사용량도 높을 수 있음 정해진 label을 같이 학습시키기 때문에 데이터셋의 신뢰도가 중요함 label을 지정해서 학습하기 때문에 결과가 고정적이며 그 이상을 벗어나지 않음2. 분류말 그대로 분류를 뜻하며 지도학습의 일종 데이터를 주어진 범주(class) 안에서 예측 패턴 인식이 뛰어나 이미지 인식과 같은 분야에서 많이 사용 (ex. 개와 고양이 분) 분류의 종류에는 이진분류(Binary Classification)와 다중분류(Muiti Classification)로 나뉨 2-1. 로지스틱 회귀(Logistic Regression) 이름은 회귀지만 분류의 한 요소 둘 중의 하나를 결정하는 문제(이진 분류)를 풀기 위한 대표적인 알고리즘 독립변수와 종속변수의 선형 관계성을 기반으로 만들어졌으며 이에 따른 결과를3. 앙상블(Ensemble)여러 개의 기본 모델을 활용하여 하나의 새로운 모델을 만들어내는 개념 기존 모델의 과적합을 감소시키며 학습 후의 성능이 향상되는 효과를 볼 수 있음 대표적으로 보팅, 배깅, 부스팅, 스태킹이 있음 3-1. 보팅(Voting) 여러 개의 분류기가 투표를 통해 최종 예측 결과를 결정하는 방식 일반적으로 서로 다른 알고리즘을 가진 분류기를 결합하는 것 하드 보팅 : 다수결 원칙으로 예측한 결과값들 중 다수의 분류기가 결정한 예측값을 최종 보팅의 결과값으로 선정하는 것 소프트 보팅 : 분류기들의 레이블 값 결정 확률을 모두 더하고 이...4. 회귀시계열 데이터를 취급할 때 사용되는 기법 입력 변수와 출력 변수(예측하려는 변) 사이의 관계를 모델링하는 기술 분류와의 가장 큰 차이점은 연속형 출력 변수의 경우에는 회귀 기술을 사용하고, 범주형 출력 변수의 경우에는 분류 기술을 사용 ※ 시계열 데이터 - 시간적인 변화를 연속적으로 관측한 데이터 4-1. 선형 회귀 간단하면서도 강력한 통계 기법 중 하나로 주로 연속형 변수의 관계를 설명하고 예측하는데 사용 종속 변수와 하나 이상의 독립 변수 간의 선형 관계를 모델링하며 관계를 직선으로 나타냄 즉, 독립 변수의 값이...12지도학습이란 정답이 주어진 데이터를 학습 한 뒤 입력된 데이터의 정답을 예측하는 방식 (회귀, 분류) 피쳐(Feature)와 라벨 (label)을 같이 학습시킨다는 점이 가장 큰 특징 지도학습은 시간이 많이 사용되며 메모리 사용량도 높을 수 있음 정해진 label을 같이 학습시키기 때문에 데이터셋의 신뢰도가 중요함 label을 지정해서 학습하기 때문에 결과가 고정적이며 그 이상을 벗어나지 않음2024.03.20아이들 교육 이야기교육 분야 크리에이터조용한 아이, 학습지도를 어떻게 해야 할까요?조용한 아이들은 말이 적고 감정 표현이 서툴러 학습지도에 어려움을 겪는 부모들이 많습니다. 하지만 조용한 아이들도 나름대로의 학습 스타일을 가지고 있으며, 부모의 적극적인 관심과 이해를 통해 훌륭한 학습자로 성장할 수 있습니다. 학습지도를 어떻게 해야 할까요? 1. 조용한 아이의 특징 이해하기 조용한...조용한 아이조용한 아이 학습조용한 아이 공부조용한 아이 지도2024.03.30활동적인 아이를 위한 효과적인 학습지도 팁사회적인 아이들의 학습지도를 위한 부모의 역할develope-sj.tistory.com개발일지Machine Learning 01 - 지도학습 기본편3. 회귀 알고리즘 및 평가 방법 함수회귀 ( Regression ) 알고리즘 평가방법 sklearn LinearRegression from sklearn.linear_model import LinearRegression mean_absolute_error from sklearn.metrics import mean_absolute_error KNeighborsRegressor from sklearn.neighbors import KNeighborsRegressor mean_squared_error from sklearn.metrics imp4. 독립변수와 종속변수 / 평균과 오차▶ 독립변수, 종속변수 ( x → y ) - x1, x2, x3....xn 값이 변함에 따라 y값이 변한다 - 독립변수(원인) : x - 종속변수(결과) : y ex) 강수량, 습도, 기온, 요일, 휴일 등등...에 따라 우산 판매량이 변함 - 독립변수 : 강수량, 습도, 기온, 요일, 휴일... - 종속변수(결과) : 우산 판매량 ▶ 평균, 오차 - 평균 : 가장 단순한 모델 중 하나 - 오차 : 관측값(=실제값)과 모델 예측값의 차이 (이탈도 Deviance) * 학습 데이터로 학습시킨 모델의 예측값이 평균보다 실젯값과 유사5. 데이터 분리사용할 데이터 셋을 학습용, 검증용, 평가용 데이터로 분리함 - 학습용 : 모델 학습용 (x_train, y_train) - 문제집 - 검증용 : 평가 전 모델 성능 검증 가능 (튜닝 시 사용) - 모의고사 - 평가용 : 별도로 제공되는 데이터일 경우가 多 - 수능 1. 데이터 분리 (1) - X(문제)와 Y(답)를 분리 2. 데이터 분리 (2) - 학습용, 평가용 데이터 분리6. 과대적합, 과소적합* 적당히 학습시켜야 함 1. 과대적합 (Overfitting) - 학습 데이터에 대해 성능 매우 좋음 but, 평가 데이터에 대해서는 성능 매우 안 좋음 - 학습 데이터에서만 잘 맞추는 모델 ➡️ 실전에서 예측 성능 좋지 않음 - 모델이 복잡함 cf ) - KNN : K가 작을수록 복잡해져 과적합 발생 - Linear : 변수 多 → 복잡해짐 → 과적합 - Decision Tree : Depth가 깊어질 수록 → 복잡 → 과적합 2. 과소적합 (Underfitting) - 학습 데이터보다 평가 데이터에 대한 성능이 매우8▶ 독립변수, 종속변수 ( x → y ) - x1, x2, x3....xn 값이 변함에 따라 y값이 변한다 - 독립변수(원인) : x - 종속변수(결과) : y ex) 강수량, 습도, 기온, 요일, 휴일 등등...에 따라 우산 판매량이 변함 - 독립변수 : 강수량, 습도, 기온, 요일, 휴일... - 종속변수(결과) : 우산 판매량 ▶ 평균, 오차 - 평균 : 가장 단순한 모델 중 하나 - 오차 : 관측값(=실제값)과 모델 예측값의 차이 (이탈도 Deviance) * 학습 데이터로 학습시킨 모델의 예측값이 평균보다 실젯값과 유사2024.03.19gnidinger.tistory.com고양이 두 잔딥러닝 학습 방법: 지도학습부터 강화학습까지Introduction딥러닝은 인공지능 분야에서 핵심적인 기술이며, 그 핵심에는 다양한 학습 방법들이 있다. 이 글에서는 지도학습(Supervised Learning), 준지도 학습(Semi-Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)에 대해 간단히 알아보겠다.Supervised Learning지도학습은 명확한 답이 제공되는 학습 데이터를 바탕으로 알고리즘이 패턴을 학습하는 방식이다. 분류(Classification)는 이미지나 텍스트가 어떤 범주에 속하는지 예측하는 데 사용되며, 회귀(Regression)는 수치 예측 문제에 적용된다. 예를 들어, 의료 이미지에서 질병을 감지하거나 주식 가격을 예측하는 경우에 이 방법이 사용된다.학습 과정은 입력 데이터와 정답 라벨을 모델에 제공하여, 모델이 예측값과 실제값의 차이를 최소화하도록 하는 것을 포함한다. 모델은 이러한 오류를 줄이기 위해 내부 파라미터를 지속적으로...Semi-Supervised Learning부분적으로만 라벨이 지정된 데이터를 사용해 학습하는 방식이다. 이 학습 방법에서는 임시 라벨을 부여하는 PseudoLabel 기법을 사용하는데, 이는 라벨이 없는 데이터에 모델이 예측한 라벨을 부여하고 이 데이터를 실제 라벨이 있는 것처럼 학습에 활용하는 것이다. 이로 인해 모델은 더 많은 데이터로부터 학습을 진행할 수 있으며, 이는 지도학습만을 사용할 때보다 훨씬 다양한 데이터 상황에 적응할 수 있게 만들어준다. 하지만 임시 라벨이 정확하지 않을 수 있어 학습 과정에서 오류를 초래할 위험이 있다. 준지도 학습은 라Unsupervised Learning비지도 학습은 라벨링 된 데이터가 없는 경우에 유용하다. 대표적으로 고객 데이터가 많은 쇼핑몰에서 구매 패턴이나 선호도를 분석해 고객군을 세분화하는 클러스터링(Clustering) 기법이나, 고차원 데이터의 숨겨진 구조를 밝히는 차원 축소, 그리고 생성형 모델(Generative models)에 사용된다. 학습 방식에는 두 가지가 있는데, 첫 번째는 합성곱 신경망(CNN)을 기반으로 한 방법이다. 이는 주로 이미지나 비디오 데이터에서 시각적 특징을 추출할 때 사용된다. 또 다른 방법은 오토인코더(AE) 기반이다. 이는 입력 데이터의Conclusion딥러닝의 학습 방법은 각기 다른 장단점을 가지고 있으며, 문제의 특성과 사용할 수 있는 데이터의 유형에 따라 적절한 방법을 선택해야 한다. 지도학습은 정확한 라벨링이 필요한 경우에 최적화되어 있으며, 준지도 학습은 라벨이 부족한 경우에 유용하다. 비지도 학습은 라벨링이 전혀 되어 있지 않을 때 유용하며, 강화 학습은 결정을 내려야 하는 복잡한 환경에 적합하다. 각 학습 방법은 특정 상황에 맞게 선택되어야 하며, 때로는 이들을 조합하여 사용하기도 한다.5딥러닝은 인공지능 분야에서 핵심적인 기술이며, 그 핵심에는 다양한 학습 방법들이 있다. 이 글에서는 지도학습(Supervised Learning), 준지도 학습(Semi-Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)에 대해 간단히 알아보겠다.분류학습방법정확도회귀라벨링딥러닝비지도 학습지도 학습강화 학습준지도 학습2024.04.13통합웹 더보기
서비스 안내스토리의 글을 대상으로 검색결과를 제공합니다.자세히보기슈퍼피포인문・교양 분야 크리에이터인공지능 지도학습이 알려주는 성공적인 육아법3인공지능이 학습하는 가장 기본적인 방식은 지도학습(supervised learning)이다. 지도학습이란 문자 그대로 인공지능을 지도하여 학습을 시켜 문제를 하게 하는 것이다. 아직 학습모델이 만들어지기 전 인공지능은 어린아이와 유사하여 아무것도 알지 못한다. 그래서 교사가 옆에 붙어 지도를 하는 것이다. 여기에서...브런치북AI전문가의 육아 이야기인공지능육아에세이2023.06.23브런치스토리 검색 더보기story.kakao.com경상남도교육청경상남도교육청 - 카카오스토리4#경남교육청 #교육 #교육지원 #학습지원 #학생지원 #학습코칭 #기초학력 #기초학력지원 #기초학력맞춤형지원 #맞춤형기초학력 #학습지도 #학습종합클리닉센터 #전문가기초학력지원 #학습종합클리닉센터전문가2024.03.25카카오스토리 검색 더보기인문・교양 크리에이터 보기
