ML을 시작하는 사람들을 위해 (1)

(with Microsort)

 

ML은 데이터 사이언스와 소프트웨어 엔지니어링의 그 사이 어디쯤이다.

목표는 데이터를 사용하여 소프트웨어 어플리케이션 또는 서비스에 통합 가능한 예측 모델을 만드는 것이다. 

 

기계 학습은 데이터의 통계 및 수학 모델링에 기원한다.

ML의 기본 개념은 과거의 관찰 데이터를 사용하여 알 수 없는 결과 또는 값을 예측하는 것이다. 

예를 들면,

• 아이스크림 가게의 주인은 일기 예보에 따라 특정 날에 판매 할 가능성이 얼마나 많은 아이스크림을 예측하기 위해 과거 판매 기록과 날씨 기록을 결합하는 애플리케이션을 사용
• 의사는 과거 환자의 임상 데이터를 사용하여 새로운 환자가 체중, 혈당 수준, 기타 측정과 같은 요인에 따라 당뇨병의 위험에 처해 있는지 여부를 예측하는 자동화 된 테스트를 실행
• 남극의 한 연구원은 과거 관측을 사용하여 새의 물갈퀴, 부리, 기타 신체적 특성의 측정값에 따라 다른 펭귄 종(예: 아델리, 젠투 또는 친스트랩)의 식별을 자동화

기본적으로 ML은 하나 이상의 입력값을 기반으로 출력값을 계산하는 함수를 캡슐화하는 소프트웨어 어플리케이션이다.

해당 함수를 정의하는 과정을 '학습' 이라고 한다

함수가 정의되면 이를 사용하여 추론이라는 프로세스에서 새 값을 예측할 수 있다.

 

학습 및 추론과 관련된 단계를 살펴보자

1. 학습 데이터는 과거 관찰로 구성된다. 대부분의 경우 관찰되는 항목의 관찰된 특성 또는 기능과 예측하도록 모델을 학습하려는 항목의 알려진 값(레이블이라고 함)이 포함된다.이를 명확하게 하기 위해 앞에서 설명한 예제를 살펴보자.
   • 아이스크림 판매 시나리오에서 우리의 목표는 날씨에 따라 아이스크림 판매량을 예측할 수 있는 모델을 학습시키는 것이다. 해당 날짜의 날씨 측정(온도, 강우, 풍속 등)은 기능(x)이고, 매일 판매되는 아이스크림의 수는 레이블(y)이다.
   • 의료 시나리오에서 목표는 임상 측정에 따라 환자가 당뇨병의 위험에 처해 있는지 여부를 예측하는 것이다. 환자의 측정값(체중, 혈당 수치 등)은 특징(x)이며 당뇨병 발병 가능성(예 : 위험에 대한 1, 위험하지 않은 경우 0)은 레이블(y)이다.
   • 남극 연구 시나리오에서는 신체적 특성에 따라 펭귄의 종을 예측하려고 한다. 펭귄의 주요 측정값(물갈퀴의 길이, 부리의 너비 등)은 특징(x)이며 종(예: 아델리의 경우 0, 젠투의 경우 1, 친스트랩의 경우 2)은 레이블(y)이다.
2. 수학 용어로는 약식 변수 이름 x를 사용하여 참조하는 기능과 y라고 하는 레이블이 표시되는 경우가 많다. 일반적으로 관찰은 여러 기능 값으로 구성되므로 x는 실제로 다음과 같이 벡터다. (여러 값이 있는 배열): [x1,x2,x3,...].
3. 데이터에 알고리즘을 적용하여 기능과 레이블 간의 관계를 확인하고 x에서 y를 계산하기 위해 수행할 수 있는 계산으로 해당 관계를 일반화한다. 사용되는 특정 알고리즘은 해결하려는 예측 문제의 종류에 따라 달라지지만(나중에 자세히 설명) 기본 원칙은 기능 값을 사용하여 레이블을 계산할 수 있는 함수에 데이터를 맞추는 것이다.
4. 알고리즘의 결과는 알고리즘에서 파생된 계산을 함수로 캡슐화하는 모델이다. 이를 f라고 하자. 수학 표기법: y = f(x)
5. 이제 학습 단계가 완료되었으므로 학습된 모델을 추론에 사용할 수 있다. 모델은 기본적으로 학습 프로세스에서 생성된 함수를 캡슐화하는 소프트웨어 프로그램이다. 기능 값 집합을 입력하고 해당 레이블의 예측을 출력으로 받을 수 있다. 모델의 출력은 관찰된 값이 아니라 함수에 의해 계산된 예측이므로 함수의 출력이 ŷ로 표시된다.

ML에는 여러 유형이 있으며 예측하려는 내용에 따라 적절한 형식을 적용해야한다.

다음 장에서 설명하겠다.