[ Machine Learning ] 머신러닝

< 머신러닝 >

• 입력된 데이터를 기반으로 기계가 스스로 학습하여 인공지능 성능을 향상시키는 기술 방법
• 입력 데이터를 이용하여 특성과 패턴을 찾아 학습하고 예측을 수행하는 것.

 

데이터에 맞춰서 학습하면 -> 모델(알고리즘)

머신러닝이 유용한 분야

- 대량의 데이터에서 통찰을 얻어야하는 문제
- 새로운 데이터에 적응해야하는 유동적인 환경.

 

 

1. 지도학습 ( = 교사학습 )
    = Supervised Learning)
    : 데이터에 대한 label(명시적인 답)이 주어진 상태에서 학습시키는 방법( 설명하는 데이터= 문제, 답 데이터)

 

•   분류 ( Classification)

           - 미리 정의된 여러 클래스 레이블(카테고리) 중 하나를 예측하는 것
           - 속성값을 입력, 클래스 값을 출력으로 하는 모델
           - 이진 분류, 다중 분류

 

•   회귀(Regression)

           - 연속적인 숫자를 예측하는 것 
           - 속성값을 입력, 연속적인 실수 값을 출력하는 모델
            - 한 사람의 교육 수준,나이, 주거지를 바탕으로 연간 소득 예측 등

 

2. 비지도학습
     = unsupervised learning
      :데이터에 대한 label(=명시적인 답)이 없는 상태에서 학습 시키는 방법 (= 카테고리가 너무 많아서, 다양한 특징多 )
      : 데이터의 숨겨진 특징, 구조, 패턴 등 데이터의 성격을 파악하는데 사용

• 군집(Clustering)

        -  대상들을 구분해서 그룹을 만드는 것.( 답, 교사 X)

            < 분류:  대상이 어떤 그룹에 속하는 지 판단하는 것.  ( 명확한 답, 교사 O) >

 

3. 강화학습
     = Reinforcemente Learning
      : 지도학습과 비슷하지만 완전한 답( label )을 제공X
      - 기계는 더 많은 보상을 얻을 수 있는 방향으로 행동 학습
       - 주로 게임이나 로봇을 학습시키는데 많이 사용.

< 머신러닝 과정 >
 문제정의 → 데이터 수집 → 데이터 전처리 → 탐색적 데이터 분석 → model선택 , hyper parameter 조정
  → 모델학습  → 모델평가 

---

딥러닝
 : 인간의 뉴런과 비슷한 인공신경망 방식으로 컴퓨터를 스스로 학습하고 문제를 해결하는 방법