머신 러닝의 순서

지금까지 택시 거리와 택시비에 대한 문제를 가지고 머신 러닝에 대한 기본 원리를 살펴보았다.

이를 요약해서 머신 러닝이란 것이 어떤 개념을 가지고 있는지 다시 정리해보자.

기본 개념은 데이타를 기반으로해서 어떤 가설 (공식)을 만들어 낸 다음,
그 가설에서 나온 값이 실제 측정값과의 차이(코스트 함수)가 최소한의 값을 가지도록 변수에 대한 값을 컴퓨터를 이용해서 찾은 후,
이 찾아진 값을 가지고 학습된 모델을 정의해서 예측을 수행 하는 것이다.

학습 단계

즉 모델을 만들기 위해서, 실제 데이타를 수집하고,
이 수집된 데이타에서 어떤 특징(피쳐)를 가지고 예측을 할것인지 피쳐들을 정의한 다음에,
이 피쳐를 기반으로 예측을 한 가설을 정의하고, 이 가설을 기반으로 학습을 시킨다.

예측 단계
학습이 끝나면 모델 (함수)가 주어지고, 예측은 단순하게, 모델에 값을 넣으면,
학습된 모델에 의해서 결과값을 리턴해준다.
지금까지 Linear regression 분석을 통한 머신러닝의 원리에 대해서 간략하게 알아보았다.
다음장에서는 이 모델을 어떻게 프로그래밍 언어를 이용하여 학습을 시키고 운영을 하는지에 대
해서 알아보도록 하겠다