목차

1. 개요

레이블(정답)이 있는 입력 데이터를 모델에 학습 시켜 데이터와 정답 간의 관계를 찾는 과정.

이를 통해 새로운 데이터가 입력되면 모델이 학습한 관계식을 적용하여 결과를 예측할 수 있음.

머신 러닝은 학습 과정에서 정답의 유무에 따라 크게 두 가지로 나눌 수 있음.

2. 지도 학습(Supervised Learning)

• 지도 학습은 학습 과정에서 정답이 주어짐. 즉, 입력 데이터(x)와 출력 데이터(y)를 모두 알고

  y=ax+b와 같이 x와 y 사이의 관계식을 알아내는 머신 러닝 알고리즘이다.

• 예측 목표가 되는 y 변수를 목표 변수(target)이라 하고, 목표 변수를 예측하는데 사용되는

  x변수를 설명 변수(feature)라고 부른다.

3. 비지도 학습(Unsupervised Learning)

• 지도 학습은 학습 과정에서 정답이 주어지지 않고 x 데이터만 제공되는 머신 러닝 유형이다.

  y 를 예측하는 것이 목표가 아닌, x 데이터 사이에 존재하는 패턴이나 규칙을 찾는 것이 목표.

4 . 머신 러닝 프로세스(경진 대회)

데이터 분석은 다음의 과정을 거친다.