00. 머신러닝 개요

머신러닝의 유형

입력 데이터가 무엇인지에 따라 크게 세 가지의 유형으로 나뉜다.

1. 지도학습

2. 비지도학습

3. 강화학습

 

지도 학습( supervised learning )

지도학습 : 문제의 정답을 컴퓨터에 입력해 모델을 학습시키는 것

독립변수와 종속변수를 모두 학습시킨 뒤, 새로운 독립변수 데이터가 들어왔을 때의 결과를 출력한다.

지도학습은 크게 분류(classification)와 회귀(regression)가 있다.

예를 들어보자.

분류 : 키, 체중의 값을 학습시켜 성별을 알아낸다.

회귀 : 성별, 키의 값을 학습시켜 신발사이즈를 알아낸다.

이 때, 성별은 남/여 라는 두 가지 값이고 신발사이즈는 연속적인 값이다.

 

 

비지도학습( unsupervised learning )

비지도 학습은 정답을 나타내는 종속 변수가 없다. 입력 데이터의 구조나 특징을 어느정도 알아야 결과를 해석할 수 있다. 지도 학습과 비교하면 결과를 해석하기 어렵거나, 분석하는 사람의 경험에 따라 주관적으로 결과를 해석할 때도 있다. 

비지도학습은 크게 차원 축소(dimensionality reduction)와 클러스터링(clustering) 방법이 있다.

차원 축소 : 여러 열(5개)을 더 적은 열(1개)로 축소하여 데이터를 해석하는 것이다.

클러스터링 : 입력 데이터를 여러 집단으로 분류하는 것이다.

 

강화학습( reinforcement learning )

강화학습은 어떤 환경 안에서 정의한 에이전트(=학습주체)가 최고의 보상을 얻는 쪽으로 행동하도록 학습하는 방법이다.

예를 들어 게임(환경)에서 플레이어(에이전트)가 시행착오를 겪으며 게임 포인트(보상)를 얻는 행동을 반복해 승리하는 상황을 말한다.

 

머신러닝도감