기계학습 기초: Training Set, Test Set, Neural Network

기계학습을 처음 정리할 때는 학습 데이터와 평가 데이터의 역할을 분리하고, 신경망과 딥러닝 용어가 어디에 놓이는지부터 이해하는 것이 좋습니다.

이 메모는 training set과 test set의 구분, neural network와 deep neural network, 딥러닝과 reinforcement learning이라는 기본 키워드를 입문 자료 링크와 함께 정리합니다.

 

핵심 정리

기계학습 모델은 과거 데이터로 패턴을 학습한 뒤, 학습 과정에 사용하지 않은 데이터로 성능을 확인합니다. 이 글은 training set과 test set의 역할을 투자 데이터 예시와 연결하고, 신경망, 딥러닝, 강화학습으로 이어지는 입문 키워드를 모아둔 기록입니다.

• training set은 모델이 패턴을 학습하는 데 사용하는 데이터입니다.
• test set은 학습 결과가 새로운 데이터에도 작동하는지 확인하는 데이터입니다.
• neural network는 입력과 출력 사이의 관계를 학습하는 모델 구조입니다.
• deep neural network와 딥러닝은 여러 층을 사용해 복잡한 표현을 학습하는 흐름으로 이어집니다.
• reinforcement learning은 정답 데이터보다 행동 결과의 보상을 이용해 학습하는 접근입니다.

본문의 외부 링크는 입문 자료를 더 읽기 위한 참고 목록이며, 모델을 비교하기 전에는 먼저 학습용 데이터와 평가용 데이터를 섞지 않는 원칙을 확인하는 것이 중요합니다.

이어서 볼 글

• 퍼셉트론 개념과 AND 게이트 예제: 가중합, 임계값, 신경망 기초 - 신경망의 기본 단위인 퍼셉트론을 논리 게이트와 반가산기 그림으로 이어서 확인할 수 있다.

 

괜찮은 외부링크

http://t-robotics.blogspot.kr/2015/05/deep-learning.html?m=1

http://www.deeplearning.net/tutorial/gettingstarted.html 이링크도 괜찮은듯.. 파이선으로 구현..

http://bcho.tistory.com/966

Cousera의 스탠포드 Andrew ng 교수님의 강의

traning set

학습시키기 위한 셋. 우리 test1으로 치면 2012년 까지의 data다.

test set

학습이 잘되었는지 테스트 하기 위한 셋. 우리 test1으로 치면 2013년의 data다.

neural network

deep neural network

딥러닝

reinforcement learning