A Tour of Machine Learning (1) - What is Machine Learning?

What is Machine Learning?

• A computer program is said to learn from experience E with  respect to task T and performance measure P, if its performance at tasks T, improves with experience E      - Mitchell, 1977
• Machine learning is the systematic study of algorithms and systems that improve their knowledge or performance with experience                                   - Peter A. Flach, 2015

=> 특정 작업 T에서 획득한 경험적인 데이터 D를 바탕으로 모델 M을 자동으로 구성하여 스스로 성능 P를 향상하는 컴퓨터 프로그램이다.

• ML은 <P,T,E>로 정의 할 수 있다.
  P : 성능
  T : 작업(task)
  E : 경험=데이터(experience)
  예시 1 - A checkers Learning Problem
  T : playing checkers, P : percent of games won, E : playing practice games
  예시 2 - A Handwriting Recognition Learning Problem
  T : recognizing and classifying handwritten words, P : percent of words correctly, E : database of handwritten words

Machine Learning 구성요소

모든 ML 알고리즘에는 3가지 요소가 있다.

• Model            - hypothesis(가설공간)
• Evaluation       - 평가
• Optimization    - 최적화(hyper parameter 조절...)

Machine Learning의 특성

1. Self-improving System(인공지능)
   자가학습
2. Knowledge Discovery(데이터 마이닝)
   데이터에서 의미있는 정보 추출
3. Data-Driven SW Design(SW공학)
   데이터에 기반한 sw공학
4. Automatic Programming(컴퓨터 공학)
   (AI의 궁극적인 목표 완전 자동화) 프로그래밍, 성능향상 등을 스스로.
   

Why ML?

• ML 전문가의 부족
  전문적으로 ML을 다룰 수 있는 전문가 부족.
• 단순 프로그래밍이 어려운 문제들
  얼굴인식, 문자인식, 음성 인식 등
• 급격한 기술 변화
  금융, 의료 분야에서 ML에 관심.
• 개인화 필요성

관련 분야

Machine Learning의 역사

 

 

 

* Boosting Algorithm
여러개의 모델을 생성하고 융합하여 분류 성능을 극대화