검색 본문
drawor1d.tistory.com Hello World 1. [머신러닝] 지도 학습 (Supervised Learning) 지도 학습이란 정답이 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) 분류 K-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 L2 회귀 선형 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 등 25 K-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 L2 2024.04.19 블로그 검색 더보기 rlaqhrclf123.tistory.com 철산동 돌하르방 지도 학습 1. 개념 정리 지도 학습이란 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 지도 학습은 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 않음 2. 분류 말 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 결과를 3. 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. 회귀 시계열 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... 12 지도 학습이란 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 지도 학습은 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 않음 2024.03.20 아이들 교육 이야기 교육 분야 크리에이터 조용한 아이, 학습 지도를 어떻게 해야 할까요? 조용한 아이들은 말이 적고 감정 표현이 서툴러 학습 지도에 어려움을 겪는 부모들이 많습니다. 하지만 조용한 아이들도 나름대로의 학습 스타일을 가지고 있으며, 부모의 적극적인 관심과 이해를 통해 훌륭한 학습자로 성장할 수 있습니다. 학습 지도를 어떻게 해야 할까요? 1. 조용한 아이의 특징 이해하기 조용한... 조용한 아이 조용한 아이 학습 조용한 아이 공부 조용한 아이 지도 2024.03.30 활동적인 아이를 위한 효과적인 학습 지도 팁 사회적인 아이들의 학습 지도를 위한 부모의 역할 develope-sj.tistory.com 개발일지 Machine Learning 01 - 지도학습 기본편 3. 회귀 알고리즘 및 평가 방법 함수 회귀 ( 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 imp 4. 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 유사 5. 데이터 분리 사용할 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 분리 6. 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 매우 8 ▶ 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 유사 2024.03.19 gnidinger.tistory.com 고양이 두 잔 딥러닝 학습 방법: 지도학습부터 강화학습까지 Introduction 딥러닝은 인공지능 분야에서 핵심적인 기술이며, 그 핵심에는 다양한 학습 방법들이 있다. 이 글에서는 지도 학습(Supervised Learning), 준지도 학습(Semi-Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)에 대해 간단히 알아보겠다. Supervised Learning 지도 학습은 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 Learning 부분적으로만 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 지도 학습만을 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 라 Unsupervised Learning 비지도 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 데이터의 Conclusion 딥러닝의 학습 방법은 각기 다른 장단점을 가지고 있으며, 문제의 특성과 사용할 수 있는 데이터의 유형에 따라 적절한 방법을 선택해야 한다. 지도 학습은 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. 5 딥러닝은 인공지능 분야에서 핵심적인 기술이며, 그 핵심에는 다양한 학습 방법들이 있다. 이 글에서는 지도 학습(Supervised Learning), 준지도 학습(Semi-Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)에 대해 간단히 알아보겠다. 분류 학습방법 정확도 회귀 라벨링 딥러닝 비지도 학습 지도 학습 강화 학습 준지도 학습 2024.04.13 통합웹 더보기
서비스 안내 스토리의 글을 대상으로 검색결과를 제공합니다. 자세히보기 슈퍼피포 인문・교양 분야 크리에이터 인공지능 지도학습이 알려주는 성공적인 육아법 3 인공지능이 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... 브런치북 AI전문가의 육아 이야기 인공지능 육아 에세이 2023.06.23 브런치스토리 검색 더보기 story.kakao.com 경상남도교육청 경상남도교육청 - 카카오스토리 4 #경남교육청 #교육 #교육지원 #학습지원 #학생지원 #학습코칭 #기초학력 #기초학력지원 #기초학력맞춤형지원 #맞춤형기초학력 #학습지도 #학습종합클리닉센터 #전문가기초학력지원 #학습종합클리닉센터전문가 2024.03.25 카카오스토리 검색 더보기 인문・교양 크리에이터 보기
서비스 안내 Kakao가 운영하는 책 서비스 입니다. 다른 사이트 더보기 직업상담사 2급 1차/2차 한권으로 끝내기(2021) 저자 직업상담연구소, 이용석 출간 2021.1.5. 도서 29,700원 학습지도 저자 박상호 출간 1988.2.1. 학습지도(증보) 저자 함종규 출간 1992.2.1. 학습지도(교육신서 8) 저자 변영계 출간 1984.3.1. 학습지도(현대교육학총서 10) 저자 박상호 출간 1990.2.1. 초등수학 학습지도의 이해 저자 강문봉 외 출간 2003.2.25. 도서 27,000원 공부는 마라톤이다(가정에서의 자녀 학습지도 방법 2) 저자 이용만 출간 2013.8.8. 도서 11,250원 태양계 행성들이 그리는 우주지도(주제학습 초등과학 9 우주) 저자 송호장 출간 2008.9.28. 도서 8,100원 수학 문제 만들기 학습 지도 2: 초등학교 4 5 6학년 저자 임문규 출간 2014.3.10. 도서 9,000원 학습지도란 : 진로지도 학습지도 독서지도 저자 권이종 출간 2004.7.15. 도서 8,100원 더보기 (주)카카오는 상품판매의 당사자가 아닙니다.법적고지 안내 (주)카카오는 통신판매중개자로서 통신판매의 당사자가 아니며 상품의 주문 배송 및 환불 등과 관련한 의무와 책임은 각 판매자에게 있습니다.
제주시 자기주도학습지원센터 www.jjsdl.or.kr/ 제주특별자치도 제주시 연오로 위치. 컨설팅, 학습역량, 창의인성, 진로진학, 학습지도 전문가, 학부모교육, 프로그램 신청 안내. 전화고객센터: 064-748-8101 채널 장소 브라운대학편입 brounedu.co.kr/ 학사편입 영어학원. 학점취득 상담, 일대일 개인학습지도, 강의 안내, 동영상 제공. 전화고객센터: 02-2232-1381 채널 장소 기초학력향상지원 꾸꾸 www.basics.re.kr/ 사후평가도구, 학습활동관리 모듈, 학업성취, 진단평가 기출문제, 학습지도지원 안내. 사이트 더보기