1. 머신러닝
컴퓨터가 데이터에서 패턴이나 규칙을 스스로 학습하여 예측이나 결정을 할 수 있는 알고리즘 기술의 집합
2. 데이터
정보의 집합으로 숫자, 텍스트, 이미지, 비디오 등으로 구성 될 수 있다. 머신러닝 모델은 데이터를 기반으로 학습하고 예측을 수행한다.
3. 모델
데이터로부터 학습된 알고리즘 또는 수학적인 함수이다. 모델은 입력된 특성을 기반으로 예측을 수행하거나 패터능ㄹ 발견한다.
4. 특성(Feature)
머신러닝 모델에 입력되는 변수들을 의미한다. 독립변수, 설명변수로 불리기도 한다.
ex) 주택 가격을 예측하는 모델에서는 주택의 크기, 위치 등이 특성이 될 수 있다.
=> 모델은 이러한 특성을 사용하여 target변수를 예측하려고 한다.
5. 레이블(Lable)
머신러닝 모델이 학습할 때 예측하려는 변수를 의미한다. 종속변수로 불리기도한다.
ex) 이메일이 스팸인지 여부를 판별하는 모델에서 스팸 여부가 레이블이다.
=> 모델은 주어진 특성들을 사용하여 레이블을 예측하려고 한다.
'✨Data Science > machine learning' 카테고리의 다른 글
머신러닝 학습절차 (0) | 2023.05.11 |
---|---|
머신러닝 분류 모델 성능평가 (0) | 2023.05.11 |
<머신러닝> train 데이터와 test 데이터 (0) | 2023.05.09 |
넘파이/ 맷플롯립 (0) | 2023.04.18 |