핸즈온 머신러닝 1장 한눈에 보는 머신러닝 - 1.7 연습문제

'데이터분석 관련 책 `핸즈온 머신러닝 2판`의 1장 1.7절 연습문제 및 정리

정민호정민호

1. 한눈에 보는 머신러닝

1.1. 머신러닝이란?

1.2. 왜 머신러닝을 사용하는가?

1.3. 애플리케이션 사례

1.4. 머신러닝 시스템의 종류

1.5. 머신러닝의 주요 도전 과제

1.6. 테스트와 검증

1.7. 연습문제

  1. 머신러닝의 정의

  2. 머신러닝이 도움을 줄 수 있는 문제 유형 네 가지

  3. 레이블된 훈련 세트란?

  4. 가장 널리 사용되는 지도 학습 작업 두 가지

  5. 보편적인 비지도 학습 작업 네 가지

  6. 사전 정보가 없는 여러 지형에서 로봇을 걸어가게 하려면 어떤 종류의 머신러닝 알고리즘을 사용할 수 있나?

  7. 고객을 여러 그룹으로 분할하려면 어떤 알고리즘을 사용할 수 있나?

  8. 스팸 감지의 문제는 지도 학습과 비지도 학습 중 어떤 문제로 볼 수 있나?

  9. 온라인 학습 시스템이란?

  10. 외부 메모리 학습이란?

  11. 예측을 하기 위해 유사도 측정에 의존하는 학습 알고리즘은 무엇인가?

  12. 모델 파라미터와 학습 알고리즘의 하이퍼파라미터 사이에는 어떤 차이가 있나?

  13. 모델 기반 알고리즘이 찾는 것은 무엇인가? 성공을 위해 이 알고리즘이 사용하는 가장 일반적인 전력은 무엇인가? 예측은 어떻게 만드나?

  14. 머신러닝의 주요 도전 과제는 무엇인가?

  15. 모델이 훈련 데이터에서의 성능은 좋지만 새로운 샘플에서의 일반화 성능이 나쁘다면 어떤 문제가 있는 것인가? 간으한 해결책 세 가지는 무엇인가?

  16. 테스트 세트가 무엇이고 왜 사용해야 하나?

  17. 검증 세트의 목적은 무엇인가?

  18. 훈련-개발 세트가 무엇인가?

  19. 테스트 세트를 사용해 하이퍼파라미터를 튜닝하면 어떤 문제가 생기나?