머신러닝의 종류

1. 머신러닝의 등장

• 데이터를 이용하여 스스로 특성과 패턴을 찾아 학습하고 예측을 수행하는 것

• 머신러닝의 종류
  • 지도학습 (Supervised Learning)
  • 비지도학습 (Unsupervised Learning)
  • 강화학습 (Reinforcement Lerarning)

 

 

 

2. 지도학습

• 데이터에 대한 Label(명서적인 답)이 주어진 상태에서 컴퓨터를 학습시키는 방법.
• 분류(Classification)와 회귀(Regression) 
  • 범주형 데이터가 있으면 분류를 사용
    
    • ex) 생존여부, 암 판정, 스팸 메일 분류, 품종분류 등등
         
  • 연속형 데이터가 있으면 회귀를 사용
    • ex) 키, 몸무게, 급여, 집 가격 예측 등등

 

 

-  분류(Classification)

• 미리 정의된 여러 클래스 레이블 중 하나를 예측하는 것 (범주형)
  • 클래스 레이블 : 정답 데이터 개수
      
• 속성 값을 입력, 클래스 값을 출력으로 하는 모델
• 붓꽃(iris)의 세 품종 중 하나로 분류(class:3), 암 양성 음성 중 하나로 분류(class:2) 등
• 이진분류, 다중분류

 

 

- 회귀(Regression)

• 연속적인 숫자를 예측하는 것(연속형)
• 속성 값을 입력(독립 변수), 연속적인 실수 값을 출력으로 하는 모델
• 어떤 사람의 교육 수준, 나이, 주거지를 바탕으로 연간 소득 예측(종속 변수) 등
• 예측 값의 미묘한 차이가 크게 중요하지 않음

 

 

 

3. 비지도학습(Unsupervised Learning)

• 데이터에 대한 Label(명시적인 답)이 없는 상태에서 컴퓨터를 학습시키는 방법
• 데이터의 숨겨진 특징, 구조, 패턴을 파악해서 사용
• 클러스터링(Clustering), 차원축소(Dimensionality Reduction) 등

 

 

 

4. 강화학습(Reinforcement Learning)

• 지도학습과 비슷하지만 완전한 답(Label)을 제공하지 않음
• 기계는 더 많은 보상을 얻을 수 있는 방향으로 행동을 학습
• 주로 게임이나 로봇을 학습시키는데 많이 사용
• 고양이가 버튼을 누르면 밥이 나오는 기계로 학습, 알파고 등등