_{기초 개념과 데이터}\\ [[머신러닝:머신러닝이란?]] \\ [[머신러닝:전처리]] : 데이터를 학습 가능한 상태로 만듬 \\ [[머신러닝:임베딩]] : 사람의 언어를 컴퓨터가 이해하는 숫자로 변환 \\ [[머신러닝:특징]] : 모델의 입력값 x \\ [[머신러닝:레이블]] : 모델이 맞춰야할 정답 y \\ [[머신러닝:클래스]] : 정답이 속한 카테고리 \\ [[머신러닝:랭크]] : 데이터 배열의 차원 수 \\ \\ _{모델의 내부 구성 요소}\\ [[머신러닝:파라미터]] : 모델이 스스로 학습하는 내부 변수(w,b) \\ [[머신러닝:하이퍼파라미터]] : 사람이 직접 정해줘야하는 변수 \\ [[머신러닝:노드]]: 연산 단위 \\ [[머신러닝:가중합]] : 입력값과 가중치를 곱해서 더한 값 \\ [[머신러닝:편향]] : 결과를 조정하는 실수 \\ \\ _{학습 원리 : 에러를 줄이는 방법}\\ [[머신러닝:비용함수]] : 정답과 예측값의 차이를 계산하는 식 \\ [[머신러닝:비용]] : 실제 방생한 오차 값 \\ [[딥러닝:옵티마이저]] : 최적화를 수행하는 도구/알고리즘 \\ [[딥러닝:학습률]] : 학습의 보폭 결정 \\ [[딥러닝:배치크기]] : 한번에 학습할 데이터의 양 \\ [[머신러닝:평균제곱오차]] : 회귀 문제에서 주로 쓰이는 비용함수 \\ [[머신러닝:엔트로피]] : 오차 측정 시 사용 \\ [[머신러닝:경사하강법]] : 오차를 줄이는 방향으로 파라미터 수정하는 방법 \\ \\ _{학습의 유형}\\ [[머신러닝:학습종류]] \\ [[머신러닝:지도학습]]\\ [[머신러닝:비지도학습]]\\ \\ _알고리즘\\ [[머신러닝:선형회귀]] : 가장 기초적인 예측 선 긋기 \\ [[머신러닝:k-최근접이웃]] : 나랑 가까운 애들을 보고 판단 \\ [[머신러닝:나이브베이즈]] : 확률 기반 분류 \\ [[머신러닝:의사결정트리]] : 스무고개 방식 \\ [[머신러닝:서포트백터머신]] : 데이터 사이의 간격을 최대로 넓힘 \\ [[머신러닝:앙상블]] : 여러 모델을 합쳐서 성능 높임 \\ [[머신러닝:주성분분석]] : 데이터를 압축해서 핵심만 남김 \\ [[머신러닝:군집화]] / [[머신러닝:클러스터]] : 비슷한끼리 묶기 \\ [[머신러닝:k평균알고리즘]] : 대표적인 군집화 방법 \\ \\ _모델평가\\ [[머신러닝:혼동행렬]] : 정확도 , 정밀도 등 채점\\ [[머신러닝:모델성능지표]] : 맞는것 틀린것 표로 정리 \\