머신러닝

정의[편집]

1959년, 아서 사무엘은 기계 학습을 "컴퓨터에게 배울 수 있는 능력, 즉 코드로 정의하지 않은 동작을 실행하는 능력에 대한 연구 분야"라고 정의하였다.

일반화[편집]

기계 학습에서의 일반화는 훈련 이후 새롭게 들어온 데이터를 정확히 처리할 수 있는 능력을 말한다.

기계 학습과 데이터 마이닝[편집]

기계 학습과 데이터 마이닝은 종종 같은 방법을 사용하며 상당히 중첩된다. 다만 다음에 따라 대략적으로 구분되어 진다.

• 기계 학습은 훈련 데이터(Training Data)를 통해 학습된 알려진 속성을 기반으로 예측에 초점을 두고 있다.
• 데이터 마이닝은 데이터의 미처 몰랐던 속성을 발견하는 것에 집중한다. 이는 데이터베이스의 지식 발견 부분의 분석 절차에 해당한다.

이론[편집]

전산 학습 이론 문서를 참고하십시오.

이론 전산학의 한 갈래이다. 훈련 데이터는 유한한데, 결과는 불확실하며, 학습 이론을 통해 알고리즘의 결과를 장담할 수 없기 때문이다. 또한 다른 용어를 사용함에도 불구하고 통계적 추론과도 많은 유사점이 있다.

위키백과

생각하기에 가장 흥미롭게 사용되는 곳은 이미지 분류쪽인거같다.

구글이미지검색, 안드로이드나 네이버n드라이브의 사진을 인물,동물등으로 분류해주는 것으로 적용을 잘시켰다.