Machine Learning
이 앙상블 러닝 방법은 이전의 포스팅에서도 소개를 한적이 있었다. 이 앙상블 방법에 대해서 상당히 잘 설명한 발표자료를 소개한다. 역시 이런것은 예제를 어떤걸로 제시하느냐가 이해도를 높이는 가장 중요한 방법중에 하나라는 생각이 든다. 여기서 netflix prize를 풀기위한 방법에 따른 개선정도를 표시한 그래프가 있는데 대부분 존재하는 방법으로는 다 시도를 해본거 같다. 그래서 아마도 이 ppt의 저자는 이 방법들을 [...]
현재 Rule 기반의 분류기나 하드코딩을 하면서 어떤 분류 작업을 하는건 이미 과거의 기술에 지나지 않아 보인다. 새로이 기계학습(Machine Learning)이라는 분야가 각광을 받으면서 두가지 기술을 병행해서 실제 성능을 많이 끌어올리는 사례들을 많이 볼 수 있다. 제목 그대로 이제는 데이터의 학습에 기반한 어떠한 프로세스를 행하는게 기본이 되어 버렸다. 왜냐면 데이터는 복잡해지고 로그도 다양해 지는데 그곳에서 객관적인 패턴을 [...]
한글로 책 제목을 직역하니 거창한 제목이 나오는군. ㅋㅋ 요즘 책을 많이 읽고 있기는 하지만 그닥 이 블로그에다 소개를 하지는 않고 있다. 뭔가 삘이 안온다고 해야하나? 그러다 엄청 삘을 받는 책을 발견했다. Programming Collective Intelligence: Building Smart Web 2.0 Applications 오라일리에서 이런 책이 나오다니… 정말 대단하다. 실제로 학교에서 배우는 Machine Learning이나 Data Mining이 약간은 현실과 동떨어진 [...]
일반적으로 많은 데이터를 학습 시킬때 메모리나 프로세서의 부족으로 학습에 많은 시간이 걸리는 고질적인 문제가 있다. 학습 데이터의 차원이 늘어날 때마다 필요한 메모리는 기하급수적으로 늘어나기 때문인데, 코드 레벨에서나 알고리즘 레벨에서 복잡도를 줄이는건 새로운 알고리즘을 창안하지 않는이상 거의 불가능 하다.(뭔 약간의 코드 핫스팟을 찾아서 최적화를 시켜주는건 가능하겠지만.) 그래서 분산처리를 사용해 시간(전체) 복잡도를 줄이고자 하는 논문이 스텐포드에서 나왔다. [...]