심벌 마크
유니온백과
통신
다운로드하기 Google Play
새로운! 안드로이드 ™에 유니온백과를 다운로드 할 수 있습니다
비어 있는
브라우저보다 빠른!
 

지도 학습

색인 지도 학습

학습 (Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이.

13 처지: 데이터 마이닝, 분류, 기계 학습, 비 지도 학습, 나이브 베이즈 분류, 회귀 분석, 인공지능, 인공신경망, 은닉 마르코프 모델, 준 지도 학습, 컴퓨터 비전, 패턴 인식, 서포트 벡터 머신.

데이터 마이닝

이터 마이닝(data mining)은 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아 내는 것이.

새로운!!: 지도 학습와 데이터 마이닝 · 더보기 »

분류

분류(分類)는 개념이나 주체를 인지하고, 차별화하고, 이해하는 과정을 말. 분류는 주체가 범주 안에 있는 것을 암시하며, 보통 특정한 목적을 가지고 있. 개념적으로 범주는 지식의 주체와 개체 사이의 관계를 서술해 준. 분류는 언어, 추측, 추론, 의사결정, 그리고 환경과 관련한 모든 종류의 상호 작용에 필수적이.

새로운!!: 지도 학습와 분류 · 더보기 »

기계 학습

학습(機械學習) 또는 머신 러닝()은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이.

새로운!!: 지도 학습와 기계 학습 · 더보기 »

비 지도 학습

비 지도 학습(Unsupervised Learning)은 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않. 자율 학습은 통계의 밀도 추정(Density Estimation)과 깊은 연관이 있. 이러한 자율 학습은 데이터의 주요 특징을 요약하고 설명할 수 있. 자율 학습의 예로는 클러스터링(Clustering)을 들 수 있. 또 다른 하나의 예로는 독립 성분 분석(Independent Component Analysis)이 있.

새로운!!: 지도 학습와 비 지도 학습 · 더보기 »

나이브 베이즈 분류

학습분야에서, '나이브 베이즈 분류(Naïve Bayes Classification)는 특성들 사이의 독립을 가정하는 베이즈 정리를 적용한 확률 분류기의 일종으로 1950 년대 이후 광범위하게 연구되고 있. 통계 및 컴퓨터 과학 문헌에서, 나이브 베이즈는 단순 베이즈, 독립 베이즈를 포함한 다양한 이름으로 알려져 있으며, 1960 년대 초에 텍스트 검색 커뮤니티에 다른 이름으로 소개되기도 하였.

새로운!!: 지도 학습와 나이브 베이즈 분류 · 더보기 »

회귀 분석

독립변수 1개와 종속변수 1개를 가진 선형회귀의 예 통계학에서, 회귀 분석(回歸 分析)은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한뒤 적합도를 측정해 내는 분석 방법이.

새로운!!: 지도 학습와 회귀 분석 · 더보기 »

인공지능

인공지능(人工知能)은 기계로부터 만들어진 지능을 말. 컴퓨터 공학에서 이상적인 지능을 갖춘 존재, 혹은 시스템에 의해 만들어진 지능, 즉 인공적인 지능을 뜻. 일반적으로 범용 컴퓨터에 적용한다고 가정.

새로운!!: 지도 학습와 인공지능 · 더보기 »

인공신경망

인공 신경망은 노드들의 그룹으로 연결되어 있으며 이들은 뇌의 방대한 뉴런의 네트워크과 유사하다. 위 그림에서 각 원모양의 노드는 인공 뉴런을 나타내고 화살표는 하나의 뉴런의 출력에서 다른 하나의 뉴런으로의 입력을 나타낸다. 인공신경망(人工神經網)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이.

새로운!!: 지도 학습와 인공신경망 · 더보기 »

은닉 마르코프 모델

은닉 마르코프 모델(HMM)은 통계적 마르코프 모델의 하나로, 시스템이 은닉된 상태와 관찰가능한 결과의 두 가지 요소로 이루어졌다고 보는 모델이.

새로운!!: 지도 학습와 은닉 마르코프 모델 · 더보기 »

준 지도 학습

준 지도 학습()이란 기계 학습(Machine Learning) 의 한 범주로 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있. 이러한 준 지도 학습은 목표값이 충분히 표시된 훈련 데이터를 사용하는 지도 학습과 목표값이 표시되지 않은 훈련 데이터를 사용하는 자율 학습 사이에 위. 많은 기계 학습 연구자들이 목표값이 없는 데이터에 적은 양의 목표값을 포함한 데이터를 사용할 경우 학습 정확도에 있어서 상당히 좋아짐을 확인하였.

새로운!!: 지도 학습와 준 지도 학습 · 더보기 »

컴퓨터 비전

비전(Computer Vision)은 기계의 시각에 해당하는 부분을 연구하는 컴퓨터 과학의 최신 연구 분야 중 하나이.

새로운!!: 지도 학습와 컴퓨터 비전 · 더보기 »

패턴 인식

인식()은 인지과학(Cognitive Science)과 인공지능(Artificial Intelligence) 분야에 속하는 문제 중 하나이.

새로운!!: 지도 학습와 패턴 인식 · 더보기 »

서포트 벡터 머신

선형 SVM이 두 자료(흰색 원, 검은색 원)을 직선으로 분리하고 있다. 서포트 벡터 머신(support vector machine, SVM* 은 기계 학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다. 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만든다. 만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 SVM 알고리즘은 그 중 가장 큰 폭을 가진 경계를 찾는 알고리즘이다. SVM은 선형 분류와 더불어 비선형 분류에서도 사용될 수 있다. 비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 한다.

새로운!!: 지도 학습와 서포트 벡터 머신 · 더보기 »

여기로 리디렉션합니다

감독 학습, 감독학습, 교사 학습.

나가는들어오는
이봐 요! 우리는 지금 Facebook에 있습니다! »