AI를 위한 필수 수학

96

AI

를 위한 필수 수학

이어서 간단한 실제 데이터셋을 사용하여 인공지능 문제의 구조를 살펴본다. 그리고 이러한 개

념들이 훨씬 더 복잡한 상황에서는 어떻게 일반화되는지

Chapter

4

에서 알아본다.

3.1

유용한 고전 머신러닝 모델들

여기서 사용되는 모든 데이터에는 정답

ground

truth

레이블이 지정되어 있다. 모델의 목표는 레이

블이 없는 새로운 데이터 (모델이 처음 보는 데이터 )의 레이블을 예측하는 것이다. 이를 지도

학습

supervised

learning

이라고 한다.

유명한 머신러닝 모델을 사용하여 레이블이 정해진 데이터에 대해 훈련 함수를 학습시켜보자.

인공지능 분야의 최신 기술에 관한 이야기를 많이 들었을 것이다. 하지만 일반적인 비즈니스

환경에서는 다음과 같은 전통적인 모델부터 시작하는 것이 더 좋다.

●

선형 회귀

linear

regression

: 숫자 값을 예측한다.

●

로지스틱 회귀

logistic

regression

: 두 개의 클래스로 분류한다 (이진 분류).

●

소프트맥스 회귀

softmax

regression

: 여러 클래스로 분류한다.

●

서포트 벡터 머신

support

vector

machine

: 두 개의 클래스로 분류하거나 숫자 값을 예측(회귀 )한다.

●

의사 결정 트리

decision

tree

: 원하는 수의 클래스로 분류하거나 ...