머신러닝이란

1. 인공지능 머신러닝 딥러닝의 관계
    인공지능 > 머신러닝 > 딥러닝
    딥러닝은 머신러닝의 일종이고 머신러닝은 인공지능의 일종이다.

2. 머신러닝이란
   데이터를 이용한 모델링 기법으로 기계가 학습 데이터를 이용 하여 데이터를 분석 해서 모델을 스스로 찾아내는 것이다.

3. 학습(classification)과 추론(inference)
   학습이란 데이터와 데이터에 대한 결과값으로 최적의 모델(신경망)을 찾아가는 과정을 말한다.
   추론이란 이렇게 학습된 모델(신경망)에 입력 데이터를 넣어 결과를 예측하는것을 말한다.

4. 일반화(generalization)
   학습데이터와 입력데이터가 달라지더라도 성능의 차이가 나지 않게 하는 것을 말한다.

5. 과적합(overfitting)
   그림에서 처럼 모델(곡선)이 동그라미와 세모를 분류 과정 중에 상대 진형으로 깊숙히 침투한 잡음 섞인 데이터 까지 모두 고려하여 만들다 보니 일반화 성능이 떨어지는 현상을 말한다. 훈련데이터가 작고 심층신경망으로 갈수록 더 잘 발생한다.

6. 과적합에 대처하는 정칙화(regularization)와 검증(validation)
   정칙화는 모델의 형태를 최대한 간단히 만들려는 수치해석적인 기법 모델의 성능을 약간 희생 하더라도 모델이 과적합에 빠지지 않게 하려는 의도이다.
   검증은 일반적으로 입력데이터의 차원이 높기 때문에 과적합 여부를 쉽게 판단하기 힘들다 그래서 학습 데이터의 일부를 떼어 내어서 이를 성능 검증용으로 사용하는 기법을 말한다.

7. 지도학습,비지도학습,강화학습
   지도학습이란 입력과 정답을 주어서 학습하는 방법
   비지도학습이란 입력만 주어서 문제의 형태나 유형을 나누는 학습
   강화학습이란 입력과 출력 출력에 대한 평가점수를 주어서 상호작용의 최적화을 위한 학습

8. 분류(classification)와 회귀(regression)
   분류는 입력 데이터를 보고 어느 한 범주에 속하는지 보는 모델
   예를 들면 자동차와 비행기가 입력 데이터로 주어졌을 때 자동차와비행기를 분류해서 결과값으로 출력하는 모델
   회귀란 유적학적으로 개개인의 정보가 부모의 유전종보로 수렴하는 경향이 있다는 뜻으로 정답이 분류와 다르게 값으로 나온다.
   예를 들면 사람 사진으로 보고 몸무게가 얼마인지 추론 하는 모델

9. 군집화(clustering)
   비지도학습에서 나오는 개념으로 데이터의 특성을 분석해서 관련 있는 데이터들 끼리 묵는 것을 말한다.



참고:
딥러닝첫걸음 - 머신러닝에서 컨벌루션 신경망까지 / 김성필 | 한빛미디어