저는 이쪽에 관심있어서 방송통신대학교 전자도서관에서 책을 대출했었습니다.

그때 관심있는 내용은 개인적으로 정리해두었습니다.

혹시 도움이 될까 공유해 드립니다. 아래는 제가 이전에 커뮤니티에  올린전자도서관 이용방법 링크입니다.

    - https://c-knou.com/socialwelfare/949302

먼저 그림 1-3은 다음과 같습니다. 머신러닝의 전체적인 처리과정에 대한 그림입니다.

참조 교재 페이지에 나와있는 내용은 목차로 보면 아래와 같습니다. 아마도 타이틀만 봐도 위의 그림과 어느정도 매칭되는 느낌을 받으실 것 같습니다.

    - 교재 120 : 로지스틱 회귀
    - 교재 138 : 계층적 군집화
    - 교재 152 : 주성분 분석
    - 교재 224 : SVM에 의한 분류

제가 컴퓨터과학과 머신러닝 수업을 직접 들을 수 없으니 정확한 답변은 아닐 수 있습니다. 감만 잡으시면 될 것 같습니다.

학습할 데이터를 수집하고 학습하는 '학습단계'에 대한 설명입니다.

먼저 학습데이터를 수집하고 학습데이터의 특징을 추출하여 이것을 이용하 학습을 진행한 후 결정함수를 만들게 됩니다.

학습을 잘 하기 위해서 학습데이터에 전처리(예를 들어 데이터 정규화)를 수행하게 됩니다.

학습 과정을 정리해보면 다음과 같습니다.

    1. 학습 데이터 수집

    2. 학습 데이터 전처리(예시 : 데이터 정규화)

    3. 특징 추출 (예시 : 좌표, 이미지 컬러, 코너점, 각도 등등)

    4. 학습 (예시 : 회귀, 군집화, 분류기)

    5. 결정함수 (예시 : 회귀, 군집화, 분류기)

    - 학습과 결정함수의 예시를 동일하게 작성한 이유 : "데이터 분류기를 학습하므로, 학습 결과는 데이터 분류기 입니다."

    - 학습과정에서 앙상블 학습(여러 분류기 결합)이 포함될 수 도 있습니다.

이제 학습한 결과로 실제 데이터에 테스트해 보는 '추론단계'에 대한 설명입니다.

테스트할 데이터에 대해 학습할 때 와 동일한 전처리를 수행하고, 특징 추출 후 결정함수에 넣고 결과값 확인(추론)합니다.

    1. 테스트할 데이터 준비

    2. 데이터에 전처리 (학습 과정도 동일한 전처리 수행)

    3. 데이터에서 특징 추출

    4. 위의 '학습단계'에서 학습한 결정함수(분류/회귀/군집화)를 수행하여 판단

일반적인 이론에 대해 설명드린 것이므로 세부적인 용어나 표현은 수업 내용과 다를 수 있음을 알려드립니다.

제가 요즘 일이 많아서 커뮤니티 활동을 잘 못하지만 더 궁금하신 내용이 있다면 글 남겨주세요. 쪽지 주셔도 됩니다.

가능한 선에서 도움드리겠습니다.

우왕~ 수업도 안들으시는데 이렇게 까지 해주시다니 너무너무 감사합니다^^!