처음 만나는 인공지능 8장 연습문제 풀이

8장 연습문제

 

진위 문제

 

1. 머신러닝은 인간의 학습 능력과 같은 기능을 실현하려는 기법과 분야이다. ( o )

 

2. 머신러닝을 흔히 컴퓨터 프로그램이 데이터로부터의 학습하는 과정이라고 말한다. ( o )

 

3. 지도 학습을 통해서는 자동차 번호판의 인식률을 높일 수 없다. ( x )

 

4. 비지도 학습에서는 데이터 학습을 위해 레이블이나 태그 표식을 붙인다. ( x )

 

5. 회귀 분석 기술은 학습 데이터를 사용하여 하나의 출력값을 예측하는데, 산출물은 항상 확률론적 의미를 내포하고 있다. ( o )

 

6. 분류는 일정한 기준에 따라 명백하게 구분 짓는 것이고, 회귀는 오차 제곱의 합을 최소화 하는 직선을 긋는 작업이다. ( o )

7. 머신러닝에서의 학습 방법 중 강화 학습은 포함되지 않는다. ( x )

 

8. 머신러닝은 건강과 관련된 헬스케어 분야에서도 중요한 역할을 담당한다. ( o )

 

9. 의사결정 트리는 이진 트리를 사용하는 관측값과 목표값을 연결하는 예측 모델이다. ( o )

 

10. 강화 학습은 보상이 주어지는 문제 해결에 효과적인 학습 방법이 아니다. ( x )

 

단답식 / 선택식 문제

1. ( 지도학습 )은 입력과 이에 대응하는 미리 알려진 출력을 연관시키는 관계를 학습하는 방법이다.

 

2. ( 비지도 ) 학습은 출력 없이 주어진 입력만으로 스스로 모델을 구축하여 학습하는 방법이다.

 

3. 스타크래프트와 바둑과 같은 게임에서는 보상을 위해 대부분 ( 강화 ) 학습이 사용된다.

 

4. ( 분류 )란 주어진 데이터 중 유사한 특성을 가진 것들끼리 묶어서 나누는 것을 말한다.

 

5. ( SVM ) 알고리즘은 데이터를 경계선으로 구분하는데 그 중 가장 큰 폭을 가진 경계선을 찾는 알고리즘이다.

 

6. ( 클러스터링 )이란 서로 유사한 특성을 가진 여러 개의 그룹으로 묶는 기법이다.

 

7. ( 비지도 ) 학습이란 주어진 입력에 대응하는 출력 정보 없이 학습하는 것을 말한다.

 

8. ( 베이즈 )의 정리는 과거의 데이터들을 기반으로 미래를 예측하는 모델로 활용된다.

 

9. 다음 중 머신러닝과 별로 관계가 없는 것은? ( 1 )

1.프로그램을 명시적으로만 작성 2.전통적인 프로그래밍 개념과는 다름

3.인공지능에 속하는 부분집합 4.데이터로부터 학습하여 지식을 획득

 

10. 다음 중 지도 학습의 장점에 속하는 것은? ( 2 )

1.레이블이 있는 데이터 사용해야 함 2.경험을 사용하여 성능 기준을 최적화

3.일반적으로 많은 시간이 걸림 4.제한된 유형의 문제를 해결

 

주관식 문제

1. 머신러닝의 주요 종류들을 말하시오.

신경망(Neural Network):생물의 신경 네트워크 구조와 기능을 모방한 모델

클러스터링(Clustering):주어진 데이터를 클리스터라는 부분 집합들로 분리하는 것

분류(Classification):주어진 데이터를 비슷한 것들끼리 분류하는 것

의사결정 트리(Decision Tree):트리 구조 형태의 예측 모델로 의사를 결정하는 모델

나이브 베이즈(Naive Bayes):베이즈 정리를 바탕으로 한 조건부 확률 모델 분류

 

2. 분류의 응용 예는 매우 다양한데 그 중 몇 가지를 적으시오.

-사진으로 남자와 여자의 구별

-개와 고양이의 구분

-스팸 메일과 정상 메일 구분

-0에서 9까지의 숫자의 구분

-알파벳과 한글 문자 등의 구분

-편지봉투의 손으로 쓴 주소 판별

-카드 부정 사용 감지

-의료 영상에서 종양의 존재 여부 판단

 

3. 회귀의 개념을 설명하시오.

하나의 종속 변수와 다른 독립 변수들 사이의 관계를 결정하는 통계적 측정.

 

4. 머신러닝에서 활용되는 비지도 학습 방법 몇 가지를 적으시오.

K-means 클러스터링, 추천 시스템 ( Recommender System ), 가우스 혼합 모델, 계층적 클러스터링, PCA/T-SNE 등

 

5. 강화 학습에 대해 간단히 설명하시오.

주어진 입력에 대응하는 행동을 취하는 시스템에 대해 보상이 주어지며,

시행착오를 통해 보상을 최대화하는 행동이나 행동 순서를 선택하는 머신러닝의 한 영역