TIL

기준 : 입력 데이터의 스트림으로부터 점진적으로 학습할 수 있는가? NO! 배치학습 (오프라인 학습) 시스템 훈련 후 제품 시스템에 적용하면 더 이상 학습없이 실행된다.(학습한 것을 적용만 함) 시간과 자원을 많이 소비하므로 오프라인에서 수행된다. 보통 24시간마다 또는 매주 훈련시킴(잦은 훈련 필요) 전체 데이터셋 사용하는 훈련 - 많은 컴퓨팅 자원(CPU 메모리공간, 디스크공간 등)필요 새로운 데이터에 대해 학습할 땐 전체 데이터셋을 사용하여 시스템의 새로운 버전을 처음부터 다시 훈련 YES! 온라인 학습 데이터를 순차적으로 한 개씩 또는 미니배치(mini-batch)라 부르는 작은 묶음 단위로 주입하여 훈련시킴 매 학습 단계가 빠르고 적은 비용이 듦 -- 제품 론칭 후에도 새로운 데이터 도착하는 대..

▷ 머신러닝은 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야다. ▷ 어떤 작업 T에 대한 프로그램의 성능을 P로 측정했을 때 경험 E로 인해 성능이 향상됐다면, 이 프로그램은 T와 P에 대해 E로 학습한 것이다. 스팸 필터 - 스팸메일 구분 머신러닝 프로그램 시스템이 학습하는데 사용하는 샘플 = 훈련세트 training set 각 훈련 데이터 = training instance | 샘플 이 경우 작업T = 새 메일이 스팬인지 구분하는 것 경험 E = 훈련데이터 성능 측정P는 직접 정의해야 한다. (ex - 정확히 분류된 메일의 비율) = 정확도 accuracy , 분류 작업에 사용된다. 머신러닝은 다음 분야에 뛰어나다 : 기존 솔루션으로는 많은 수동 조정과 규칙이 필요한 문제 ..