기계 학습-기계 학습이란 무엇입니까?

평방 피트 단위의 주택 가격 대 크기를 보여주는 다음 그림을 고려하십시오.

XY 플롯에 다양한 데이터 포인트를 플로팅 한 후 크기가 주어진 다른 집에 대한 예측을 수행하기 위해 최적의 선을 그립니다. 알려진 데이터를 기계에 공급하고 가장 적합한 라인을 찾도록 요청할 것입니다. 기계에서 최적의 라인을 찾으면 알려진 집 크기, 즉 위 곡선의 Y 값을 공급하여 적합성을 테스트합니다. 기계는 이제 추정 된 X 값, 즉 주택의 예상 가격을 반환합니다. 이 다이어그램은 3000 평방 피트 이상의 주택 가격을 알아 내기 위해 추정 할 수 있습니다. 이것을 통계에서 회귀라고합니다. 특히 이러한 종류의 회귀는 X와 Y 데이터 포인트 간의 관계가 선형이기 때문에 선형 회귀라고합니다.

대부분의 경우 X 및 Y 데이터 포인트 간의 관계는 직선이 아닐 수 있으며 복잡한 방정식이있는 곡선 일 수 있습니다. 이제 당신의 임무는 미래 가치를 예측하기 위해 외삽 할 수있는 가장 적합한 곡선을 찾는 것입니다. 이러한 애플리케이션 플롯 중 하나가 아래 그림에 나와 있습니다.

출처:

https://upload.wikimedia.org/wikipedia/commons/c/c9/

통계 최적화 기술을 사용하여 여기에서 최적 곡선에 대한 방정식을 찾습니다. 이것이 바로 머신 러닝에 관한 것입니다. 알려진 최적화 기술을 사용하여 문제에 대한 최상의 솔루션을 찾습니다.

다음으로 머신 러닝의 다양한 카테고리를 살펴 보겠습니다.