ML DL 학습 알고리즘 분류 - leemik3/tensorflow-2.0 GitHub Wiki

학습 단계 : 데이터 → 특성 추출 → 머신러닝 알고리즘 적용 → 분류 / 예측 모델(모형) 예측 단계 : 데이터 → 특성 추출 → 분류 / 예측 모델(모형) → 결괏값

1. 지도 학습

   1. 분류 : KNN, SVM, 결정 트리, 로지스틱 회귀
   2. 회귀 : 선형 회귀

2. 비지도 학습

   1. 군집 : K-means clustering, 밀도 기반 군집 분석(DBSCAN)
   2. 차원 축소 : 주성분 분석 (PCA)

3. 강화 학습

   : 마르코프 결정 과정 (MDP)

---

1. 데이터 준비

2. 모델(모형) 정의

   : 은닉층 개수와 과적합 조절

3. 모델(모형) 컴파일

   : 활성화 함수, 옵티마이저, 손실 함수 선택 : 연속형 데이터셋의 경우 평균제곱오차(MSE) : 이진 분류의 경우 cross entropy

4. 모델(모형) 훈련

   : epoch, batch size

5. 모델(모형) 평가

1. 지도 학습

   1. 합성곱 신경망 (CNN)

      : 이미지 분류, 이미지 인식, 이미지 분할

   2. 순환 신경망 (RNN)

      : 시계열 데이터 분류

      : LSTM - 기울기 소멸 문제 개선 위해 게이트 3개(망각, 입력, 출력) 추가

2. 비지도 학습

   1. 워드 임베딩

      : Word2Vec, GloVe

   2. 군집

3. 전이 학습 : BERT, MobileNetV2

   1. 사전 학습 모델 (pretraining model) : ELMO, VGG, Inception, MobileNet

4. 강화 학습

   : 마르코프 결정 과정 (MDP)