머신러닝(Machine Learning)의 정의 와 분류

1. 머신러닝 (machine)

 

- 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야

 

- 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구. 인공지능의 한 분야로 간주됨

 

- 머신러닝은 데이터를 통해 다양한 패턴을 감지하고, 스스로 학습할 수 있는 모델 개발에 초점이 맞추어져 있음.

 

-  AI의 범주에 들어가는 형태

 

출처 : 위키

 

2. 머신러닝의 분류

 

머신 러닝의 분류 (출처 : https://opentutorials.org/course/4548/28949)

 

1) 지도 학습 (Supervised Learning)

 

- 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법

 

- 입력과 정답 데이터를 사용해 모델을 학습 시킨 후 새로운 입력 데이터에 대해 정확한 출력을 예측하도록 하는 것!

 

(쉽게 말해 입력 데이터와 출력데이터에 대해 모두 라벨링하여 학습하는 방법)

 

즉! 시험 문제랑 해답을 주면서 문제 풀이 과정을 교육시키는 것이라 볼수 있음! (맞나...?? ㅋㅋ)

 

- 지도 학습 알고리즘의 학습 데이터를 만드는 것은 많은 자원이 필요하지만, 높은 성능을 기대 가능함.

 

1.1) 분류와 회귀

 

- 지도 학습 알고리즘은 크게 분류 (Classification)와 회귀(regression)으로 구분 가능함.

 

- 분류는 입력 데이터를 미리 정의된 여러개의 클래스 중 하나로 예측하는 것.

 

- 회귀는 연속적인 숫자를 예측하는 것으로 어떤 사람의 나이, 농작물의 수확량, 주식 가격 등 출력 값이 연속성을 갖는 것.

 

1.2) 지도 학습 알고리즘

 

- 선형 회귀(Linear Regression)

 

- 로지스틱 회귀 (Logistic Regression)

 

- 서포트 벡터 머신(Support Vector Machine)

 

- 결정 트리 (Decision Tree)

 

- 앙상블(Ensemble)

 

-신경망(Neural Networks)

 

등이 있다.

 

(상세 알고리즘은 차차 알아 보도록 할 것이다.)

 

 

2) 비지도 학습(UnSupervised Learning)

 

- 비지도 학습은 원하는 출력 없이 입력 데이터를 사용

 

- 입력 데이터의 구조나 패텅을 찾는 것이 목표

 

- 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속함.

 

- 미리 정해진 결과가 없고(이게 지도학습이랑의 차이점임), 방대한 양의 데이터에서 유용한 통찰력을 얻을 수 있음.

 

2.1) 클러스터링, 차원축소, 연관 규칙

 

- 비지도 학습 알고리즘은 크게 클러스터링(Clustering), 차원 축소(Dimensionality Reduction),

연관 규칙(Association Rules)으로 구분

 

- 클러스터링은 공간상에서 서로 가깝고 유사한 데이터를 클러스터로 그룹화.

 

- 차원 축소는 고차원의 데이터에 대해서 너무 많은 정보를 잃지 않으면서 데이터를 축소시키는 방법

 

- 연관 규칙은 데이터에서 특성 간의 연관성이 있는 흥미로운 규칙을 찾는 방법

 

2.2) 비지도 학습 알고리즘

 

- 클러스터링

  

   * K-means

 

   * DBSCAN

 

   * 계층 군집 분석

 

   * 이상치 탐지, 특이값 탐지

 

- 차원 축소

 

   * 주성분 분석

   * 커널 PCA

 

   * t-SNE

 

- 연관 규칙

 

   * Apriori

 

   * Eclat

 

(이것도 역시 상세 알고리즘은 차차 알아 보도록 할 것이다.)

 

3) 강화학습(Reinforcement Learning)

 

- 동적 환경과 함께 상호 작용하는 피드백 기반 학습 방법

 

- Agent가 환경을 관찰하고, 행동을 실행하고, 보상(reward)또는 벌점(penality)을 받음

 

- 어떤 지도가 없이 일정한 목표를 수행.

 

강화학습 (출처 : https://opentutorials.org/course/4548/28949)

 

 

쉽게 말하면 지도학습이 배움, 교육을 통해서 게임 실력을 키우는 것이라면, 강화학습은 일단 해보면서 경험을 통해서

 

실력을 키워가는 것입니다. 일종의 경험 주의죠.

그 행동의 결과가 자신에게 유리한 것이었다면, 상을 받고, 불리한 것이었다면 벌을 받는 것입니다.

 

파블로프의 개와 유사한 결이 아닌가 하는 느낌입니다.