[Computer Vision] Machine Learning

기계 학습의 기초

-> 어떤 컴퓨터 프로그램이 T라는 작업을 수행한다. 이 프로그램의 성능을 P라는 척도로 평가했을 때 경험 E를 통해 성능이 개선된다면 이 프로그램 은 학습을 한다고 말할 수 있다.

• 컴퓨터 비전에 대입하면
  • T = 분류(인식)
  • E = 학습 집합
  • P = 인식률

Types of Learning

• Supervised(inductive) learning : 지도 학습
  • Given : training data + desired outputs(labels)
  • Output : Model that predicts unknown output given a new input
  • 입력 데이터에 대한 정답(labels)가 주어진다.
• Unsupervised learning : 비지도 학습
  • Given : training data(without desired outputs)
  • Output : Representation of structure in the data
  • 오직 입력 데이터만 주어진다, 정답이 없는 학습을 모델에게 요구한다.
  • 유사한 특징 벡터들을 끼리끼리 모으는 군집화 수행(K-means, SOM 신경망, 민시프트 등의 군집화(clustering) 알고리즘)
  • 군집에서 유용한 정보 추출( 데이터 마이닝, 빅데이터, 정보 검색 등의 많은 응용)
• Semi-supervised learning : 준지도 학습
  • Given : training data + a few desired outputs
  • 부류 정보가 있는 샘플과 없는 샘플이 섞여 있는 상황의 학습
  • 부류 정보가 있는 샘플로 학습한 후 부류 정보가 없는 샘플의 부류 정보를 추정
• Reinforcement learning : 강화 학습
  • Rewards from sequence of actions
  • Input : Sequence of interactions with an environment
  • Output : Policy that performs a desired task
  • 바둑과 같은 개념으로 단계를 넘어 설 때 마다 새로운 길을 찾아야함

Supervised Learning - Regression 회귀

- 회귀란 다음 데이터의 위치를 예측하는 것

Supervised Learning - Classification

- 연속된 데이터의 값이 아닌 YES or NO로 답해야 하는 데이터들을 분류 할때 사용

종양의 크기 분류

- 종양의 크기를 예로 들어 1과0의 차이를 보면 크기와 상관이 있다.

- 1차원에서는 데이터의 오차가 많이 발생하기 때문에 mulit-dimensional(여러차원)으로 확장한다.

 

2차원 확자

Unsupervised Learning - 비교사 학습

clustering

- Clustering(군집화) -> 데이터를 주기만 하고 군집 방법은 알고리즘에 따라 알아서 행한다.

일반화 능력

• 학습 과정에서 사용하지 않는 테스트 집합으로 학습이 완료된 분류기성능을 평가
• 학습 집합과 테스트 집합에 대한 성능이 비슷하면 일반화 능력이 뛰어남
• 과적합하면 일반화 능력이 떨어짐