[KT 에이블스쿨 4기 DX트랙] 머신러닝 (지도학습) 후기

 

# 머신러닝 이란?

 

'머신러닝'이란 단어 자체는 많이 들어봤지만 정작 머신러닝이 어떤 걸 말하는지 몰랐었습니다😂

머신러닝이란 인공 지능 (AI) 분야의 한 부분으로, 컴퓨터 시스템에 데이터를 활용하여 스스로 학습하고 패턴을 발견하며 작업을 수행할 수 있는 능력을 부여하는 작업 입니다. 

 

머신러닝은 학습방법에 따라 아래와 같이 3가지로 나뉩니다.

그 중에서 이번 주는 장래강사님과 함께 머신러닝의 '지도'학습 부분을 배웠습니다.

 

◾학습방법에 따른 분류

 

지도 학습	정답이 있는 데이터를 활용해 데이터를 학습시키는 것
비지도 학습	정답이 없는 데이터 만으로 배우게 하는 학습 방법
강화 학습	선택한 결과에 대해 보상을 받아 행동을 개선하면서 배우게 하는 학습 방법

 

# 학습 내용

 

◾지도학습 과제에 따른 분류

 

문제 유형	내용	목적	알고리즘		평가 방식
분류 문제	어떤 그룹에 속하게 될 것인지 판단	예측값의 정확도 높이기	Logistics Regression	KNearest Neighbor Decision Tree Random Forest (앙상블) XGBoost (앙상블) LigthGBM (앙상블)	Accuracy Recall Precision F1-Score
회귀 문제	어떤 값이 될 것인지를 예측	예측값과 실제값의 오차 줄이기	Linear Regression		MSE R2-Score

 

◾머신러닝 절차

 

1. 환경준비

 

2. 데이터 이해

 

3. 데이터 준비

- 변수 제거
- 결측치 제거
- 입력 데이터와 레이블(y) 분리
- 가변수화 (x에 대해서)
- 학습용과 평가용 데이터 분리
- 데이터 정규화 (KNN 알고리즘을 사용하기 위해)

 

4. 성능 예측

- 다양한 알고리즘으로 모델링
- K-Fold CV (K 분할 교차 검증)을 사용하여 성능 검증

 

5. 결과 확인

- 예측된 각 모델의 성능 비교

 

6. 성능 튜닝

- 위 과정에서 성능이 가장 좋은 것으로 예측된 모델 튜닝

 

7. 성능 평가

- 튜닝 통해 최적의 파라미터로 학습된 모델에 대해 최종 성능 평가

 

 

# 학습 소감

 

말로만 듣던 머신러닝을 직접 실습해본 좋은 경험이였습니다.

분류모델인지 회귀모델인지 구분해야 하고, 여러 알고리즘이 등장해서 헷갈리는 경우도 있었지만

장래강사님께서 반복해서 실습할 수 있도록 해주셔서 나중에는 손이 알아서 코드를 작성하고 있더라구요ㅎㅎ

 

그리고 이번 머신러닝 수업을 마지막으로 장래 강사님의 수업은 끝이 났습니다...😭

그동안 가르쳐 주셔서 정말 감사했습니다! 강사님 덕분에 데이터란 세계와 많이 친해질 수 있었습니다!ㅎㅎ

 

이제 다음시간에는 머신러닝 중 '비지도'학습에 대해 배우게 됩니다.

비지도 학습 부분에서는 또 어떤 내용을 배우게 될지 기대됩니다 :)