[음악] 여러 환경에서 분류와 데이터를 통해 긍정,부정 감성 클래스 예측에 이용하는 법을 배웠습니다 회귀 부분에서 에밀리가 이 블록 다이어그램으로 기계학습 알고리즘이 어떻게 데이터를
반복 적용 되는지 설명했습니다 분류 중 감성 분석의 영역에서 알고리즘이 어떻게 작동하는지 알아볼 시간입니다 감성 분석을 위한 분류를 어떻게 하냐하면 이 경우 데이터가 리뷰 텍스트이니 각 리뷰에 대해 리뷰 텍스트와 그와 연관된 특정 라벨이 붙은 감성으로 학습합니다 리뷰 텍스트를 특징 추출 단계에 집어넣으면 x가 나오는데 이게 알고리즘의 입력이 됩니다 x는 단어수입니다 모든 데이터 점, 모든 리뷰의 단어를 셉니다 기계학습 모델은 입력 데이터를 받습니다 단어수와 각 단어의 가중치인 w^과 같은 파라미터입니다 각 단어 이 둘을 합쳐서 예측을 만들어 냅니다 점수가 0보다 크면 긍정입니다 점수가 0보다 작으면 부정입니다 결과값은 예측된 감성입니다 모델을 사용만 한다면 이것으로 끝입니다 하지만 기계학습 알고리즘 단계에서 결과를 평가하고 알고리즘에 되먹여서 파라미터를 향상시킵니다 예측된 감성 y^을 그 감성의 참 라벨과 비교합니다 모든 데이터 점에 대한 감성 라벨입니다 그렇게 들어가면 품질 기준이 분류 정확도가 됩니다 분류 정확도 분류 강의에서 자세히 다룰 기계학습 알고리즘은 정확도를 더 향상시키려고 할 겁니다 방법은 파라미터 w^을 갱신하는 것입니다 기계학습 알고리즘 분류 작업 사이클을 알아봤습니다 이 모듈에서 분류 하는 법을 알아봤습니다 분류가 적용될 수 있는 여러 예제를 살펴봤습니다 분류 모델을 몇 개 알아볼텐데 라이브 데모로 본 감성분석이 주가 됩니다 노트북에서 데이터를 통해 분류기를 만들고 분석합니다 이 지식이면 분류기를 핵심으로 하는 지능형 애플리케이션을 만들 준비를 마치게 됩니다 [음악]