Note: <혼자 공부하는 머신러닝+딥러닝>을 참고 했습니다.
지도 학습과 비지도 학습
머신러닝 알고리즘은 크게 지도 학습(supervised learnings), 비지도 학습(unsupervised learnings)로 나뉩니다. 지도 학습 알고리즘은 훈련하기 위한 데이터와 정답이 필요합니다.
Note: 지도 학습, 비지도 학습 외에 강화 학습(reinforcement learnings)을 또 다른 종류로 크게 분류 합니다. 강화 학습 알고리즘은 타깃이 아니라 알고리즘이 행동한 결과로 얻은 보상을 사용해 학습됩니다.
지도 학습에서는 데이터와 정답을 입력(input)과 타깃(target)이라고 하고, 이 둘을 합쳐 훈련 데이터(training data)라고 부릅니다. 그리고 전편의 혼자공부하는 머신러닝 정리 1 길이와 무게를 특성(feature)라고 합니다.
훈련 세트와 테스트 세트
이미 준비된 데이터 중에서 일부를 떼어 훈련 세트(train set) 테스트 세트(test set)를 나누거나, 테스트 세트를 따로 준비하여 사용합니다.
셈플링 편향
훈련 세트와 테스트 세트에 샘플이 골고루 섞여 있지 않으면 샘플링이 한쪽으로 치우쳤다는 의미로 샘플링 편향(sampling bias)라고 부릅니다.
sklearn 으로 훈련 세트와 테스트 세트 나누기
Reference: sklearn.model_selection.train_test_split
1
2
from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target = train_test_split(data, target)