Model based Learning¶
Training dataset 으로부터
일반화된 Model을 만들어(=학습) prediction에 이용하는 방식을
Model based Learning이라고 부름.Inductive (귀납적) Learning 이라고도 불림.
- 위 그림에서 학습의 결과로 만들어진 model은 바로 검은색 dash line이 된다.
- 새로 주어진 data point x 는 dash line에 의해 삼각형으로 prediction된다.
- 만일 model이 만들어지지 않는 instance based learning이라면, 사각형으로 prediction될 것이다. (
k=3인 k-NN이라면)
즉, 데이터 자체를 그대로 저장하지 않고, 모델을 통해 일반화 하여 표현!!
참고: 머신러닝에서 model 이란?
- 입력을 받아 출력을 내는 함수(function)
- 특정 데이터셋에서 data instance와 label (or target) 간 관계를 근사(approximation)하는 대상
- 관계를 매핑(mapping) 또는 변환(transformation)으로 이해
- 이는 function 형태로 표현 가능
- 특히, supervised learning에서는 model을 function으로 간주해도 큰 문제 없음.
ML에서 model은 다음과 같은 또 다른 의미를 가지기도 함.
- features와 label간의 approximation 를 생성하는 알고리즘(algorithm) 또는 방법(method)
- 인공 신경망(Artificial Neural Network)에서 층(layer)들이 쌓인 아키텍처(architecture)
Model Based Learning은 보통 다음과 같은 순서로 진행됨.
- Data 분석
- 해당 Training data에 적절할 model을 선택.
- 해당 model을 training dataset으로 학습 (cost func.최소화시키는 optimization)
- 이후 inference 수행 (새로운 data point들에 대한 prediction)
ML에서 대부분의 경우는 model based learning 임.