Amazon Machine Learning을 통한 비즈니스 문제 해결

Amazon Machine Learning을 사용하면 실제 답변의 기존 예제가 있는 문제에 기계 학습을 적용할 수 있습니다. 예를 들어 Amazon Machine Learning을 사용하여 이메일이 스팸인지 예측하려면 스팸 또는 스팸 아님으로 올바르게 레이블이 지정된 이메일 예제를 수집해야 합니다. 그런 다음 기계 학습을 사용하여 이러한 이메일 예제를 일반화하여 새 이메일이 스팸일 가능성을 예측할 수 있습니다. 실제 답변으로 레이블이 지정된 데이터를 통해 학습하는 이러한 접근 방식을 감독형 기계 학습이라고 합니다.

감독형 ML 접근 방식은 바이너리 분류(두 가지 가능한 결과 중 하나 예측), 멀티클래스 분류(두 개 이상의 결과 중 하나 예측), 회귀(숫자 값 예측)와 같은 특정 기계 학습 작업에 사용할 수 있습니다.

바이너리 분류 문제의 예제:

• 고객이 이 제품을 구매할까요, 아니면 구매하지 않을까요?

• 이 이메일은 스팸인가요, 아니면 스팸이 아닌가요?

• 이 제품은 책인가요 아니면 가축인가요?

• 이 리뷰는 고객이 작성했나요, 아니면 로봇이 작성했나요?

멀티클래스 분류 문제의 예:

• 이 제품은 책인가요, 영화인가요 아니면 의류인가요?

• 이 영화는 로맨틱 코미디인가요, 다큐멘터리인가요, 스릴러인가요?

• 이 고객이 가장 관심을 갖는 제품 범주는 무엇인가요?

회귀 분류 문제의 예:

• 내일 시애틀의 기온은 어떻습니까?

• 이 제품의 판매량은 몇 대입니까?

• 이 고객이 애플리케이션 사용을 중단하기까지 며칠이 남았습니까?

• 이 주택은 어떤 가격에 팔릴까요?