2021년 7월 30일에 머신러닝 단기집중과정이 이 웹사이트에서 삭제될 예정입니다. 하지만 영어 버전은 계속 제공됩니다.

프레이밍: 이해 내용 확인하기

지도 학습

아래 옵션을 확인하세요.

주어진 이메일이 '스팸' 인지 '스팸이 아닌지' 예측하기 위해 지도 머신러닝 모델을 개발한다고 합시다. 다음 중 참인 내용은 무엇일까요?
'스팸' 또는 '스팸 아님'으로 표시되지 않은 이메일은 라벨이 없는 예입니다.
라벨이 '스팸' 및 '스팸 아님' 값으로 구성되므로 아직 스팸 또는 스팸 아님으로 표시되지 않은 이메일은 모두 라벨이 없는 예입니다.
제목 헤더의 단어는 라벨로 사용하기에 적절합니다.
제목 헤더의 단어는 특성으로 사용하기에는 적절하지만 라벨로 사용하기에는 적절하지 않습니다.
모델을 학습시키는 데는 라벨이 없는 예를 사용합니다.
모델을 학습시키는 데는 라벨이 있는 예를 사용합니다. 그런 다음 학습된 모델을 라벨이 없는 예에 적용하여 라벨이 없는 이메일 메시지가 스팸인지 스팸이 아닌지 추론할 수 있습니다.
일부 라벨은 신뢰할 수 없을 수도 있습니다.
확실히 이 데이터 세트의 라벨은 특정 이메일 메시지를 스팸으로 표시하는 이메일 사용자로부터 가져온 것일 수도 있습니다. 의심스러운 모든 이메일 메시지를 스팸으로 표시하는 사용자는 아주 적기 때문에 특정 이메일이 스팸인지 확인하기 어려울 수도 있습니다. 또한 일부 스팸 발송자나 봇넷은 결함이 있는 라벨을 제공하여 모델을 고의적으로 손상시킬 수 있습니다.

특성 및 라벨

아래 옵션을 확인하세요.

한 온라인 신발가게에서 사용자에게 맞춤형 신발을 추천하는 지도 ML 모델을 만들려고 합니다. 즉 이 모델에서는 철수에게 특정 신발을 추천하고 영희에게는 다른 신발을 추천합니다. 다음 중 참인 내용은 무엇일까요?
신발 크기는 유용한 특성입니다.
신발 크기는 추천된 신발이 사용자의 마음에 들 것인지 쉽게 확인할 수 있는 수량화 가능한 신호입니다. 예를 들어 철수의 신발 크기가 270cm인 경우 모델은 260cm 신발을 추천하면 안 됩니다.
신발의 아름다움은 유용한 특성입니다.
구체적이고 수량화 가능한 특성이 좋은 특성입니다. 아름다움은 너무 모호한 개념이어서 특성으로 사용하기에 적절하지 않습니다. 아름다움은 스타일, 색상 등 구체적인 특성이 혼합된 특성일 것입니다. 스타일과 색상은 각각 아름다움보다 더 유용한 특성입니다.
사용자의 신발 설명 클릭수는 유용한 라벨입니다.
사용자는 마음에 드는 신발의 설명만 읽으려 할 것입니다. 따라서 사용자 클릭수는 좋은 학습 라벨로 사용할 수 있는 관찰 가능하고 수량화 가능한 측정항목입니다.
사용자가 아주 좋아하는 신발은 유용한 라벨입니다.
좋아함은 관찰 가능하고 수량화 가능한 측정항목이 아닙니다. 최선의 방법은 좋아함 대신 관찰 가능한 대리 측정항목을 검색하는 것입니다.