인공지능

소개글

"인공지능"에 대한 내용입니다.

목차

없음

본문내용

기계학습
연역적 학습 - 연역적 추론을 통한 학습
귀납적 학습 - 사례들을 일반화하여 패턴or 모델을 추출
일반적인 기계학습
오컴의 면도날 - 가능한한 간단한 형태로 학습결과를 표현

지도학습 // 분류, 회귀분석
입력에 따른 출력을 통해 학습

분류 - 데이터를 정해진 몇 개의 class로 대응시키는 문제
분류기 - 데이터 분류 프로그램

과적합 - 학습 데이터가 지나치게 잘 학습된 상태
오류나 잡음을 포함할 개연성이 크다.
즉, 학습되지 않은 새로운 데이터에 대해 좋지 않은 성능
부적합 - 충분히 학습되지 않은 상태

과적합 회피방법 - 검증 데이터에 대한 오류가 감소하다가 증가하는 시점에 학습중단

정확도 - 옳게 분류한 데이터 개수/ 전체 데이터 개수

k-겹 교차검증
전체 데이터에서 k등분하여 각 등분을 한번씩 테스트 데이터로 사용
전체 정확도의 평균값을 사용

불균형 데이터 - 특정 부류의 데이터가 지나치게 많은 경우
정확도에 의한 성능평가는 무의미
대안- 가중치를 고려한 정확도 척도 사용
SMOTE 알고리즘
빈도가 낮은 부류의 학습 데이터를 인공적으로 만들어내는 방법

이진 분류기 - 2개의 부류만을 갖는 데이터에 대한 분류기
실제 T/F , 예측 T/F

민감도, 재현율, 진양성율 = 실제 T 예측 T / 실제 T 예측 T + 실제 T 예측 F
예측이 맞는 경우 -> 실제 참인 값들 중에 참으로 예측한 값의 확률
특이도, 진음성율 = 실제 F 예측 F / 실제 F 예측 T + 실제 F 예측 F
-> 실제 거짓인 값들 중에 거짓으로 예측한 값의 확률
정밀도 = 실제 T 에측 T / 실제 T 예측 T + 실제 F 예측 T
-> 참으로 예측한 값들 중에 값이 참일 확률
위양성율 = 특이도 - 1

참고 자료

없음