• Class_2022_1
       [[기계학습,machine_learning]] 기법 중 하나인 [[서포트벡터머신,support_vector_machine,SVM]] 기법을 수리계획법 모형으로 표현한 예시.
• Class_2023_1
       [[기계학습,machine_learning]]
• ROC곡선,ROC_curve
       [[기계학습,machine_learning]]에서
       [[시각화,visualization]] plot [[곡선,curve]] [[기계학습,machine_learning]]
• WikiSandBox
       ML([[기계학습,machine_learning]]), 머신러닝
        [[기계학습,machine_learning]]
• 가중값,weight
       [[기계학습,machine_learning]]에서 [[학습,learning]]이란 바로 [[신경망,neural_network]](ANN)의 '''weights'''를 조절하는 과정.
• 강화학습,reinforcement_learning
       Up: [[기계학습,machine_learning]]
• 곡선,curve
       [[기계학습,machine_learning]]쪽에서 이진분류기 binary_classifier [[이진분류,binary_classification]] 성능 측정 관련인
• 기계학습,machine_learning
       Classification of [[기계학습,machine_learning]]
• 기울기하강,gradient_descent
       Up: [[기계학습,machine_learning]] [[기울기,gradient]]? 하강/강하 [[descent]](writing)
• 독립변수와_종속변수
       [[기계학습,machine_learning]]에서는 [[특징,feature]]과 동의어라고? chk. Src: WpKo:독립변수와_종속변수 "기계 학습 혹은 패턴 인식에서는 특징(feature) 이라고도 한다"
• 미적분,calculus
       [[심층학습,deep_learning]] [[기계학습,machine_learning]]의 기초지식임.
       [[심층학습,deep_learning]] [[기계학습,machine_learning]]
• 베이즈_정리,Bayes_theorem
       [[베이즈_정리,Bayes_theorem]]를 이용한 확률적 [[기계학습,machine_learning]] 알고리듬. 사전확률을 기반으로 사후확률을 추론하는 확률적 예측을 할 때, 모든 사건이 독립이라는 순진한(naive) 가정을 하고 있기 때문에, hence the name.
• 분류,classification
       Up: [[기계학습,machine_learning]] > [[지도학습,supervised_learning]]
• 생성모형,generative_model
       Up: [[기계학습,machine_learning]]? [[생성,generation]] [[모형,model]]
• 선형판별분석,linear_discriminant_analysis,LDA
       Up: [[분석,analysis]] [[기계학습,machine_learning]]? [[분류,classification]] 기법?
• 손실함수,loss_function
       보통, [[기계학습,machine_learning]]에서 둘은 비슷한 의미지만
• 신경망,neural_network
       [[기계학습,machine_learning]] 방법 중 하나.
       ALSOIN [[학습,learning]] > [[기계학습,machine_learning]]
• 심층학습,deep_learning
       [[기계학습,machine_learning]]의 구현 기법(technique) 중 하나로, [[신경망,neural_network]] ( [[심층신경망,deep_neural_network,DNN]] - 페이지를 여기와 따로 만들지 말지 tbd. { '''DNN, Deep Nets''' http://sanghyukchun.github.io/54/ 계층이 두터운 [[신경망,neural_network]]은, [[가중값,weight]]들이 랜덤 보다는 정교하게 [[초기화,initialization]]되면 매우 잘 훈련될 수 있다는 것이 발견됨 (2006-2007년, Hinton and Bengio의 breakthrough.[* https://youtu.be/AByVbUX1PUI?t=232]) } ) 를 사용. thanks to Hinton's DBN = deep_belief_network in 2006.
       ANN([[인공신경망,artificial_neural_network,ANN]])을 기반으로 구축한 머신러닝([[기계학습,machine_learning]]) 기술.
       Up: [[학습,learning]] > [[기계학습,machine_learning]]
• 인공지능,artificial_intelligence
       [[기계학습,machine_learning]]
• 자료,data
       ML([[기계학습,machine_learning]], esp. [[지도학습,supervised_learning]])쪽에서
• 자료집합,dataset
       [[기계학습,machine_learning]]
• 정보,information
        정보이론과 [[기계학습,machine_learning]]에서, '''information_gain'''은 KLD의 동의어 (see [[상대엔트로피,relative_entropy]] .. curr at [[엔트로피,entropy#s-1.10]])
       정보이론 요약 ([[기계학습,machine_learning]] 관점)
• 제곱평균제곱근,root_mean_square,RMS
       [[기계학습,machine_learning]]에서.
• 지도학습,supervised_learning
       Up: [[기계학습,machine_learning]]
• 최적화,optimization
       Related: [[기계학습,machine_learning]] [[심층학습,deep_learning]]
• 특징,feature
       [[기계학습,machine_learning]]과 [[심층학습,deep_learning]]에서
       분야는 [[기계학습,machine_learning]] and [[패턴인식,pattern_recognition]]. (wp)
• 파이썬,Python
       scikit-learn for [[기계학습,machine_learning]]
       [[파이토치,PyTorch]] - [[기계학습,machine_learning]]
• 파이토치,PyTorch
       [[파이썬,Python]] [[기계학습,machine_learning]] [[심층학습,deep_learning]] 쪽 도구인데 분류 정확히 tbw
• 팬더스,Pandas
       A column-oriented data_analysis API. 여러 [[기계학습,machine_learning]] 프레임워크가 pandas [[자료구조,data_structure]]를 입력으로 받는 걸 지원.[* https://developers.google.com/machine-learning/glossary?hl=ko#pandas]
• 학습율,learning_rate
       [[기계학습,machine_learning]] 및 [[통계,statistics]]에서,
       Up: [[비율,rate]] [[기계학습,machine_learning]] [[통계,statistics]] [[hyperparameter]](하이퍼파라미터 or 초매개변수) [[학습,learning]]
• 혼동행렬,confusion_matrix
       [[기계학습,machine_learning]]
• 확률과_통계,probability_and_statistics
       Interactive [[기계학습,machine_learning]], [[심층학습,deep_learning]] and [[통계,statistics]] websites:

You can also click here to search title.