이상우의 IDL 블로그

머신러닝(Machine Leaning) 관련 기능이 IDL에 탑재된 것은 버전 8.7.1부터였습니다. 원래는 위성데이터 처리 소프트웨어 패키지인 ENVI에서 머신러닝 기능이 먼저 도입되었었고, 그 이후에 IDL에서도 지원되기 시작한 것입니다. 물론 아시는 분들은 다 아시겠지만 머신러닝 분야에서는 Python 언어가 가장 널리 사용되고 있기 때문에, 굳이 IDL에서 머신러닝 관련 작업을 하는 경우가 그리 많지는 않을 것 같습니다. 그래도 늦게나마 IDL에 머신러닝 기능이 탑재되어 조금씩 발전해나가고 있는 상황이라는데 의미를 두고 싶습니다. IDL의 머신러닝 기능에 관해서는 제가 예전에 3회에 걸쳐서 관련 게시물들을 올린 적이 있습니다. 이 게시물들을 통하여 IDL의 머신러닝 기능 개요 및 관련 예제들을 소..

* 지난 회 내용에서 이어집니다. 지난 두차례의 내용에서는 IDL의 머신러닝 기능을 이용하여 분류(Classification), 군집화(또는 집단화, Clustering) 작업을 수행하는 예제들을 살펴보았습니다. 오늘은 회귀(Regression) 작업을 수행하는 예제를 소개하고자 합니다. 앞서 해봤던 분류나 군집화의 경우에서는 결과가 불연속적인 카테고리 형태의 여러 개의 값들이었던 반면, 회귀의 경우에는 결과는 연속적인 하나의 값이 됩니다. 머신러닝 기반으로 이러한 회귀 작업을 IDL에서 하게 될 경우 사용 가능한 모듈들은 다음 세 종류입니다. IDLmlFeedForwardNeuralNetwork IDLmlSoftmax IDLmlSupportVectorMachineRegression 오늘은 이들 중 Ne..

* 지난 회 내용에서 이어집니다. 지난 회에서는 IDL의 머신러닝 기능들 중 분류(Classification)의 기법에 대한 기본적인 내용 및 관련 예제들을 살펴보았습니다. 오늘은 두번째 순서로서 집단화(Clustering)의 기법에 관하여 살펴보고자 합니다. 분류와 집단화는 서로 개념적으로는 비슷하게 보일 수도 있지만, 사실 분명한 차이점이 있습니다. IDL의 머신러닝에서 분류는 그 성격이 기본적으로 감독 분류(Supervised Classification)에 해당된다고 볼 수 있습니다. 즉 훈련용 데이터에는 분류된 카테고리 값들도 함께 포함됩니다. 지난 회 예제를 잠시 돌아보면 씨앗의 종류를 분류하는데 있어서 그 종류는 'Kama', 'Rosa', 'Canadian' 세가지였는데, 처음에 모델 객체를..

제가 얼마전에 관련 게시물을 올리면서 언급을 했듯이 최근에 IDL 8.7.1 버전에서 머신러닝(Machine Learning) 관련 기능이 추가되었습니다. 머신러닝이 IT 분야에서 이제는 핫이슈를 넘어서 거의 대세가 된 분위기라는 점을 감안하면 늦은 감이 있는 것은 사실입니다. 더구나 머신러닝 기반의 작업을 하는 프로그래머들은 아마도 파이썬(Python) 등과 같은 타 언어에서 작업을 하는 경우가 훨씬 많을 것입니다. 엔비디아나 구글 등에서 제공하는 관련 라이브러리들이 파이썬 언어로 제공되고 있는 것이 하나의 좋은 예입니다. 그래도 IDL 올드유저인 제 입장에서는 지금이나마 IDL에서 머신러닝 기능이 지원되기 시작했다는 것 자체에 일단 큰 의미를 두고 싶습니다. 그래서 이번에 도입된 머신러닝 관련 기능에..