...coder, machine_learning/dimensionality_reduction/Principal Component Analysis 등 다양하게 존재한다. 하지만, t-SNE 는 Transductive 학습 모델이고, 나머지 autoencoder 와 machine_learning/dimensionality_reduction/Principal Component Analysis 는 Ind...
machine learning/learning paradigms/Inductive Learning 학습의 목적이 최적의 parameters 를 추정하는 학습을 의미한다. 즉, 모델을 구축하기 때문에 새로운 데이터가 입력으로 들어왔을 때, 알고리즘을 처음부터 재시작할 필요성이 없다. 예) machine...
Training data 전체를 메모리상에 보관하면서 test 데이터가 새로 들어왔을 때 바로 학습하는 방법
Semi-supervised learning은 label이 있는 데이터와 label이 없는 데이터를 함께 써서 모델을 학습하는 설정이다. label은 비싸고 unlabeled data는 많은 상황에서 자주 등장한다.
metric learning 은 데이터 포인트 간의 거리를 측정하는 방법을 학습하는 기법입니다.
관측 불가능한 variables 의 집합 (반대: data)
Contrastive learning 은 비슷해야 하는 pair 는 embedding 공간에서 가깝게, 달라야 하는 pair 는 멀게 학습하는 representation learning 방법이다.
일반적인 학습 과정으로, training 데이터로 일정 기간 학습시킨 후, 학습시킨 모델을 기반으로 테스트 데이터를 적용하는 방법
Joint-training consists of training together multiple networks with different learning objectives in order to benefit from the synergy of the learning.
t-Stochastic Nearest Embedding 는 vector visualization 을 위하여 자주 이용되는 차원 축소 알고리즘이다.
모아둔 데이터로 한 번에 학습을 끝내고, 완성된 모델을 배포해 쓰는 방식이다. batch learning 이라고도 한다. 새 데이터가 쌓이면 전체를 다시 학습시켜 모델을 교체한다.