ML 0-1. Basic terms and Conceptual description

explicit programming : 정확한 프로그래밍, 정확히 동작하는 하나의 기계같은 소프트웨어

-> 너무 많은 룰이 있다면 ? 힘들다.

---

학습 방법에 따라서 2가지로 구분

1. Supervised learning ( 지도 학습 )

- 라벨링이 된 데이터들, 즉 training set이 필요

- 과정 

1) 데이터 입력 -> training data set

2) 모델 학습(원하는 알고리즘으로)

3) 학습된 모델에게 질의(데이터 입력)

4) 모델에게서 결과 반환

- 구분

a) classification

: 범위가 좁은 경우, 좁힐 경우 -> 분류

- binary        : true/false, 2개 중 하나를 분류

- multi-label  : 몇 개의 label을 분류

b) regression

: 범위가 넓은 경우 -> 예측

X(hours)	Y(score)
10	90
9	80
3	60
2	40

: regression ( 0~100 점, 넓은 범위 예측 )

X(hours)	Y(score)
10	P
9	P
3	N
2	N

: binary classification ( pass / non-pass, 둘 중 하나 분류 )

X(hours)	Y(score)
10	A
9	B
3	C
2	D

: multi-label classification ( A, B, C, D, 네 가지 중 하나 분류 )

2. Unsupervised learning ( 비지도 학습 )

- 하나하나 데이터마다 labeling을 줄 수 없는 경우 사용

- 데이터를 보고 스스로 학습하고 데이터를 분류

- 추후에 다룸

---