Model based Learning¶
Training data sample들로부터 일반화된 Model을 만들어 prediction에 이용한다.
- 위 그림에서 학습의 결과로 만들어진 model은 바로 검은색 dash line이 된다.
- 새로 주어진 data point x는 dash line에 의해 삼각형으로 prediction된다.
- 만일 model이 만들어지지 않는 instance based learning이라면, 사각형으로 prediction될 것이다. (k=3인 k-NN이라면)
Model이라는 용어는 ML에서 일종의 input이 들어가면 output이 나오는 function 을 가리키는데 많이 사용된다.
실제로는 특정 dataset에서 data와 label간의 관계를 approximation하고 있는 것 을model이라고 많이 지칭한다.
이같은 관계는 일종의 mapping, transformation이라고 생각할 수 있고 이는 function의 형태로 나타낼 수 있기 때문에 model을 function이라고 생각해도 supervised learning에선 큰 무리가 없다.
또한 ML에서 model은 해당 approximation을 만들어내는 algorithm (or method)를 가르키기도 한다. Artificial Neural Network에서는 layer들이 구성된 architecture를 model이라고도 부르기 때문에 context에 맞춰서 그 의미를 파악하는게 중요하다.
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 learning이다.