[머신러닝] 머신러닝의 종류

# 머신러닝이란?

인공지능의 하위 분야로, 

지식을 추출하여 예측 모델과 데이터 기반의 의사 결정을 하는 컴퓨터 알고리즘

 

 

# 머신러닝의 종류

머신러닝의 종류

1. 지도학습

레이블된 훈련 데이터에서 모델을 학습하여 본 적 없는 미래 데이터에 대해 예측을 만들어 내는 것

매핑 함수를 통한 학습, 정답이 존재함

ex) 이미지 분류, 이미지 캡셔닝, 객체 인식등

 

(1) 분류

과거의 관측을 기준으로 새로운 것이 들어왔을 때, 어느 범주에 들어갈 것인지를 예측함

예를 들어, 0~9까지의 숫자를 손글씨로 쓴 이미지를 학습시키고 새로운 이미지를 줬을 때  앞선 학습을 기반으로 어떤 숫자인지를 알아내는 것이 분류에 속함

또한, 두가지 범주를 구분하는 이진 분류에서 두 범주를 구분하는 규칙을 결정 경계라고 한다

 

(2) 회귀

회귀는 연속적인 출력 값을 예측하는 분석

예측 변수(입력)와 반응 변수(타깃)가 주어졌을 때 출력을 예측하는 관계를 찾음

 

 

2. 비지도 학습

레이블되지 않거나 구조를 알 수 없는 데이터를 다룸

데이터 내 숨겨진 구조를 학습하며, 정답이 존재하지 않음

ex) 데이터 클러스터링, 특징 학습, 밀도 추정 등

 

(1) 군집(clustering)

사전 정보 없이 쌓여 있는 그룹 정보를 의미 있는 클러스터로 조직하는 탐색적 데이터 분석 기법

(2) 차원 축소

= 데이터 압축

고차원의 데이터는 머신 러닝 알고리즘의 계산 성능과 저장 공간의 한계가 생길 수 있으므로

잡음 데이터를 제거하기 위해 전처리 단계에서 진행할 수 있음

관련 있는 정보를 유지하면서 더 작은 파원의 부분 공간(subspace)으로 데이터를 압축하는 것

 

 

3. 강화 학습

환경과의 상호 작용을 통해 시스템(에이전트)의 성능을 상향하는 것이 목적

강화 학습의 과정

가장 대표적인 예는 체스 게임을 생각하면 편하다!

체스판의 상태에 따라 기물의 이동을 결정하는 것, 보상은 게임을 종료했을 때 이기거나 지는 것으로 정의 가능

이분야는 자세히하기엔 너무 어렵다...