딥러닝 이전의 기계학습과 딥러닝의 차이 ... chatgpt
딥러닝 이전의 기계학습과 딥러닝의 차이딥러닝을 이해하려면 먼저 전통적인 기계학습은 사람이 데이터의 특징을 정리해 주는 방식이고, 딥러닝은 데이터에서 유용한 특징까지 스스로 학습하는 방식이라는 점을 이해하면 됩니다.다만 딥러닝도 기계학습의 한 종류입니다. 따라서 두 기술은 완전히 별개가 아니라, 딥러닝이 기계학습의 발전된 한 분야라고 이해하는 것이 정확합니다.1. 전체적인 관계부터 이해하기여기서 '딥러닝 이전의 기계학습'이란 딥러닝이 널리 활용되기 전부터 사용된 대표적인 기계학습 방법을 뜻합니다. 대표적으로 의사결정나무, 서포트 벡터 머신(SVM), k-최근접 이웃(k-NN), 선형 회귀, 로지스틱 회귀, 랜덤 포레스트 등이 있습니다.이 방법들은 지금도 금융, 의료, 제조, 데이터 분석 등에서 활발하게 사..
딥러닝 이전의 기계학습과 딥러닝의 차이 ... genspark
딥러닝 이전의 기계학습 vs 딥러닝 — 무엇이 근본적으로 달라졌는가결론부터 말하면, 두 패러다임의 차이는 "표현(특징)을 사람이 설계하는가, 모델이 스스로 학습하는가" 한 축으로 수렴합니다. 알고리즘 목록의 차이가 아니라, 데이터에서 의미 있는 표현을 누가 만들어내는가라는 책임 소재의 이동입니다.1. 정의전통적 기계학습(딥러닝 이전, 대략 1990~2011년 주류) 원시 데이터를 사람이 설계한 특징(feature)으로 변환한 뒤, 그 특징 벡터 위에 얕은(shallow) 통계적 학습기를 얹는 방식입니다. 특징 설계와 분류기 학습이 분리된 두 단계이며, 각 단계가 독립적으로(그리고 국소적으로) 최적화됩니다. 대표적으로 SVM, 랜덤 포레스트, 로지스틱 회귀, 나이브 베이즈, GMM-HMM, CRF가 있습니..