머신러닝의 개념과 용어

Machine Learning

 

- What is Machine Learning

    * Limitations of explicit programming : Spam filter, Automatic driving

 

- Supervised / Unsupervised Learning

 

    * Supervised Learning (지도 학습)

       # 라벨링되어있는 데이터(training set)를 학습하는 방식으로 가장 일반적인 ML 학습 방식

       # EX) Image Labeling, Email spam filter, Predicting exam score

 

       # Type of supervised Learning

Regression	예측에 대한 결과값이 범위에 해당하는 값일 경우
	공부 시간을 기반으로 한 기말고사 점수 예측 : 결과값 ( 0 ~ 100 )
Binary Classification	예측에 대한 결과값이 Yes Or No와 같은 이분화된 라벨일 경우
	공부 시간을 기반으로 한 시험 Pass/Fail 예측 : 결과값 ( Pass Or Fail )
Multi-label Classification	예측에 대한 결과값이 여러개의 라벨이 될 수 있을 경우
	공부 시간을 기반으로 한 학점 예측 : 결과값 ( A or B or C or F )

 

    * Unsupervised Learing

       # 라벨링되어있지 않은 데이터들을 이용하여 학습하는 방식 : Google News Grouping, Word clustering

 

 

Tensorflow

- 구글에서 개발한 Open Source Software Library for Machine Intelligence

- Tensorflow 외의 오픈소스 딥러닝 라이브러리 : Caffe, Keras, mxnet, Theano 등...

- Python library for numerical computation using data flow graphs

- What is a Data Flow Graph?

    * Graph = 노드와 노드 간의 연결인 엣지로 구성된 것

    * Node in Data Flow Graph = Operation

    * Edge in Data Flow Graph = data arrays = Tensors

 

hello = tf.constant("Hello, World!")
# Create a contant op = Create a Node

sess = tf.Session()
# Craete Session for Data flow Graph Run

print(sess.run(hello))
# run the op and get result

# result
b 'Hello, World!'
# b 'String' 'b' indicates Bytes literals

 

- Tensor, Data, Session

node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0)
node3 = tf.add(node1, node2)

 

print("node1: ", node1, "node2: ", node2)
print("node3: ", node3)

#result
node1: Tensor("Const_1:0", ... ) node2: Tensor("Const_2:0", ...)
node3: Tensor("Add:0", ...)

Session 실행 전 Data Flow Graph

sess = tf.Session()
sess.run([node1, node2])
sess.run(node3)

Session 실행 후 Data Flow Graph

- Placeholder

     * 그래프를 임의로 미리 그려놓고 그래프 실행 단계에서 값을 넣어주고 싶을 경우 사용하는 노드

 

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b

sess.run(adder_node, feed_dict={a: 3, b: 4.5}))
# result : 7.5

sess.run(adder_node, feed_dict={a: [1,3], b: [2,4]}))
# result : [3. 7.]

 

- Tensor Ranks, Shapes, and Types

https://www.tensorflow.org/programmers_guide/dims_types

https://www.tensorflow.org/programmers_guide/dims_types

https://www.quora.com/When-should-I-use-tf-float32-vs-tf-float64-in-TensorFlow

 

이 글은 http://hunkim.github.io/ml/를 학습하며 내용을 정리해놓은 글이다.