2.3 머신러닝의 구성 요소

머신러닝의 구성 요소

기계학습을 통해 해결된 거의 모든 작업은 다음 세가지 주요 구성 요소를 포함한다.

 

머신 러닝 모델

모델 학습 알고리즘

모델 추론 알고리즘

 

---

찰흙에 빗대어 머신러닝 이해하기

찰흙으로 찻주전자를 만드는 단계를 생각하며 머신러닝의 요소 간의 관계를 이해할 수 있다.

 

1. 먼저, 흙 한 덩어리로 시작한다. 이 단계에서는 점토를 다양한 형태로 성형하여 다양한 용도로 사용할 수 있다. 찻주전자 하나를 만들기 위해 이 진흙 덩어리를 사용한다.

2. 흙을 검사하고 분석하여 찻주전자 처럼 만든다.

3. 찻주전자를 목표로 찰흙을 성형한다.

 

---

머신 러닝 모델이란?

머신러닝 모델은 점토 조각과 마찬가지로 여러 다양한 형태로 성형될 수 있으며 다양한 용도로 사용할 수 있다. 보다 기술적인 정의는 머신러닝 모델은 제공된 데이터에 기초하여 다른 관련 문제를 해결하기 위해 수정할 수 있는 코드 또는 프레임워크 블록이다.

모델은 매우 일반적인 프로그램 (또는 코드 블록)이며, 모델을 교육하는 데 사용되는 데이터에 의해 구체화된다. 이는 다른 문제들을 해결하기 위해 사용된다. 

 

---

예시 1)

스노우콘 카트를 가지고 있고, 고온을 기준으로 하루 평균 판매되는 스노우콘의 수에 대한 데이터를 가지고 있다고 가정하자. 이 관계를 더 잘 이해하여 높은 판매일에 대한 충분한 재고를 보유하고 있는지 확인해야 한다.

그래프에서 모형의 한가지 예인 선형 회귀모형 (직선 그래프) 에서 모델은 낮의 고온 기후가 증가할 수 록 평균 판매되는 스노우콘 수도 증가할 것으로 예측된다.

 

예시 2)

다른 예시에서는 같은 선형 회귀 모델이며, 다른 데이터를 보여준다.

고등 교육기관에서 일하고 있도 등록 비용과 대학에 다니는 학생 수 사이의 관계를 더 잘 이해하려고 한다. 이 에에서 모델은 등록금이 증가함에 따라 다니느 사람들의 수가 감소할 것이라고 예측된다. 동일한 선형 회귀 분석 모델을 사용하면 비용 증가에 따라 줄어드는 수를 볼 수 있다.

 

---

모델 훈련

모델 훈련 알고리즘은 어떻게 모델을 훈련시킬까?

이 섹션에서는 두 정보를 사용하여 훈련받은 모델을 만드는 방법을 보여준다. 이 과정을 모델 훈련이라고 한다.

 

대화형 프로세스를 통해 작동하는 모델 훈련 알고리즘

찰흙 주전자의 비유에 대해 다시 생각해보자. 우리는 흙 조각을 얻었고, 찻주전자를 만들려 한다. 진흙 틀을 위한 알고리즘과 이 알고리즘이 기게 학습 알고리즘과 어떻게 유사한지 살펴볼 것 이다.

 

첫번째는 흙을 검사하고 찻주전자처럼 보이게 하기 위해 어떤 변화가 생길 수 있는지 생각하는 것이다. 마찬가지로, 모델 교육 알고리즘은 모델을 사용하여 데이터를 처리하고 그 결과를 최종 목표와 비교한다.

두번째는 그것이 찻주전자처럼 보이도록 점토를 성형합니다. 마찬가지로, 모델 교육 알고리즘은 모델의 특정 부분을 목표 달성에 더 근접한 방향으로 밀어냅니다.

마지막으로 반복한다. 이 단계들을 반복함으로써 멈출 수 있을 정도로 가까워질 때까지 원하는 것에 점점 더 가까워진다. 

 

---

모델 추론 : 훈련받은 모델 사용하기

모델 추론 알고리즘을 통해 훈련된 모델을 사용하여 예측을 생성할 준비가 되었다. 이 프로세스를 모델 추론이라고 한다.

 

---

용어

모델

매우 일반적인 프로그램, 모델을 훈련하는데 사용되는 데이터에 의해 구체화된다.

 

모델 훈련 알고리즘

대화형 프로세스를 통해 현재 모델 반복을 분석하여 목표에 근접ㅈ하기 위해 어떤 변경을 할 수 있는지 확인한다. 이러한 변경이 이루어지며 모델이 목표를 달성할 때까지 반복한다.

 

모델 추론

예측 생성에 교육 받은 모델을 사용하는 경우 

 

---

https://www.notion.so/2-3-Components-of-Machine-Learning-c32a1997a0344971a9f92f74bda607f6