머신러닝 용어
주요 기계 학습 용어 는 다음과 같습니다.
- 관계
- 라벨
- 특징
- 모델
- 훈련
- 추론
관계
기계 학습 시스템은 입력 간의 관계 를 사용하여 예측 을 생성 합니다.
대수학에서 관계는 종종 y = ax + b 로 작성됩니다 .
- y 는 예측하려는 레이블입니다.
- 는 선의 기울기입니다.
- x 는 입력 값입니다.
- b 는 절편
ML에서 관계는 y = b + wx 로 작성됩니다 .
- y 는 예측하려는 레이블입니다.
- w 는 무게(기울기)
- x 는 기능(입력 값)입니다.
- b 는 절편
기계 학습 레이블
기계 학습 용어에서 레이블 은 우리가 예측 하고자 하는 것 입니다.
선형 그래프 의 y 와 같습니다.
대수학 | 기계 학습 |
y = 도끼 + b | y = b + wx |
기계 학습 기능
기계 학습 용어에서 기능 은 입력 입니다.
선형 그래프 의 x 값과 같습니다.
대수학 | 기계 학습 |
y = a x + b | y = b + w x |
때로는 가중치가 다른 많은 기능(입력 값)이 있을 수 있습니다.
y = b + w1x1 + w2x2 + w3x3 + w4x4 _ _ _ _ _
기계 학습 모델
모델 은 레이블(y)과 기능(x) 간의 관계를 정의합니다.
모델 수명에는 세 단계가 있습니다.
- 데이터 수집
- 훈련
- 추론
기계 학습 교육
훈련의 목표는 질문에 답할 수 있는 모델을 만드는 것입니다. 집에 대한 예상 가격은 얼마입니까?
기계 학습 추론
추론은 훈련된 모델을 사용하여 라이브 데이터를 사용하여 값을 추론(예측)하는 경우입니다. 모델을 생산에 투입하는 것과 같습니다.