Ming's Life

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 이상 탐지(Anomaly Detection)란?☑️ 왜 필요한가?금융 사기카드 사기, 계좌 해킹 등으로 인한 금전적 손실을 미리 막기 위해제조업생산 라인이나 기계 설비에서 발생하는 고장을 사전에 예측하여 유지보수 비용 절감, 다운타임 최소화보안네트워크 침입 시도나 데이터 탈취 등을 빠르게 감지 ☑️ 이상치 탐지(Outlier Detection)와의 차이이상치 탐지(Outlier Detection)는 단순히 통계적으로 극단값(Outlier)을 찾는 데 초점을 둔다. 예를 들어 평균에서 크게 벗어난 데이터 포인트를 찾는 방식이상 탐지(Anomaly Detection)는 단순 극단값 뿐 아니라, 맥락(Context)이..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 차원 축소가 왜 필요할까?☑️ 차원 축소의 필요성고차원 데이터란?데이터의 피처(변수)가 매우 많은 상태를 말합니다. 예컨대 이미지 데이터의 경우, 한 장의 이미지를 구성하는 픽셀 수만큼의 피처가 있을 수 있습니다.어떤 문제가 생길까?모델 학습 시 연산 복잡도가 급증하여 시간이 오래 걸림많은 피처들 중 일부는 실제로 중요한 정보를 주지 못하는 노이즈(잡음)일 수 있음차원이 너무 높아지면 데이터를 시각화하기가 어려워 패턴 파악이 힘듬차원 축소의 장점노이즈 제거로 모델 성능 및 일반화 능력을 개선할 수 있음2차원이나 3차원으로 축소하면 시각적으로 직관적인 분석을 할 수 있음데이터의 핵심 구조나 패턴을 더 쉽게 발견할 ..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 비지도 학습 개요☑️ 비지도 학습이란?비지도 학습(Unsupervised Learning)은 정답(레이블) 없이 데이터에서 패턴이나 구조를 찾는 머신 러닝 기법을 의미활용 영역데이터의 군집화(Clustering)차원 축소(Dimensionality Reduction)이상치 탐지(Anomaly Detection) 등 ☑️ 지도 학습과의 비교지도 학습(Supervised Learning)입력 데이터에 대한 정답(레이블)을 알고 있는 상태에서 모델을 학습하여, 새로운 데이터가 들어왔을 때 레이블을 예측.ex) 이미지 분류, 스팸 메일 분류비지도 학습(Unsupervised Learning)별도의 레이블이 없고, 오직 ..