머신러닝의 기초

 

머신러닝의 기초 이론은 매우 간단하다,

우리가 학습+경험을 통해 알게된 사실들로 세상을 판단하듯

컴퓨터 또한 학습을 통해 세상을 판단하게 하는것

그것이 머신러닝이다.

 

 

 

 

 

예를 들어보자.

"무릎이 쑤시면 비가 내릴 확률이 크다"

"비가 낮게 날면 비가 내릴 확률이 크다"

"습도가 높으면 비가 내릴 확률이 크다"

 

 

세상에 절대적인것은 없다,

기상 캐스터가 "내일 비가 내릴 확률은 80%"입니다,

라고 해도 비가 내릴수도 있고 안 내릴수도 있다.

 

 

강아지로 보이나?

위의 사진을 보면 강아지 처럼 보인다.

 

하지만 전체를 보면 헤드셋을 낀 사람이다.

실제로는 사람이 헤드셋을 낀것뿐이다.

 

컴퓨터는 이게 헤드셋을 쓴 사람인지, 강아지 얼굴인지 모른다.

그저 학습된 모델로 이미지를 봤을때 

""강아지일 확률이 크다!""라고 판단한것 뿐이다.

 

 

 

 

 

3과 3이다 인간은 쉽게 인식한다

위의 이미지를 보자!!
우린 위의 이미지의 왼쪽과 오른쪽 모두 3인걸 알 수 있다.

다음 이미지는 무슨 수인지 알아보자

1? 7? 9? 뭐지 이건

 

위의 이미지는 1인지 7인지 9인지 헷갈릴것이다, 

왜냐하면 1,7,9의 특징을 모두 가지고 있어서이다

(참고로 7이다)

 

1,7,9의 특징을 모두 가지고있다.

컴퓨터도 마찬가지이다, 인간이 무엇인가를 봤을때 예전 경험을 가지고 '학습'한것처럼

컴퓨터도 '학습'을 통해 해당하는 데이터 or 이미지파일이 무엇인지를 구분하는것이다

 

즉, 컴퓨터가 봤을때
1일 확률 = 20%

2~6일 확률 = 0%

7일 확률 = 70%

8일 확률 = 0%

9일 확률 = 10%

이므로 해당 이미지는 '7'이다! 라고 판단하는것이다.

 

 

 

 

 

 

좀 더 보충해보자

아래 이미지를 보면 무엇이 떠오르는가? 

 

레오나르도 다 빈치의 모나리자 초상화가 떠오를것이다.

하지만 컴퓨터에게 모나리자 초상화에 대한 학습을 하지 않았다면,

컴퓨터는 이게 무슨 그림인지 모른다.

 

 

 

이처럼 어떤한 이미지를 데이터화 시켜준다음

해당 데이터의 패턴들을 컴퓨터에게 '학습'시켜주면

비슷한 그림을 보여줬을때 "학습한 범주안에서" 어떤 그림일지 판단하는게

머신러닝의 기초중 기초이다.