프레이밍

이 모듈에서는 작업을 머신러닝 문제로 프레이밍하는 방법을 살펴보고 광범위한 머신러닝(ML) 방법에서 공통으로 사용되는 기본적인 용어를 설명합니다.

프레이밍

ML 시스템은

입력을 결합하여

이전에 본 적이 없는 데이터를

적절히 예측하는 방법을 학습합니다.

  • 라벨은 예측하는 실제 항목(y)입니다.
    • 기본 선형 회귀의 y 변수입니다.
  • 라벨은 예측하는 실제 항목(y)입니다.
    • 기본 선형 회귀의 y 변수입니다.
  • 특성은 데이터를 설명하는 입력 변수(xi)입니다.
    • 기본 선형 회귀의 {x1, x2, ... xn} 변수입니다.
  • 는 데이터(x)의 특정 인스턴스입니다.
  • 라벨이 있는 예에는 {특성, 라벨}(x, y)이 포함됩니다.
    • 모델을 학습시키는 데 사용됩니다.
  • 라벨이 없는 예에는 {특성, ?}(x, ?)이 포함됩니다.
    • 새 데이터를 예측하는 데 사용됩니다.
  • 는 데이터(x)의 특정 인스턴스입니다.
  • 라벨이 있는 예에는 {특성, 라벨}(x, y)이 포함됩니다.
    • 모델을 학습시키는 데 사용됩니다.
  • 라벨이 없는 예에는 {특성, ?}(x, ?)이 포함됩니다.
    • 새 데이터를 예측하는 데 사용됩니다.
  • 모델은 예를 예측된 라벨(y')에 매핑합니다.
    • 학습되는 내부 매개변수에 의해 정의됩니다.