머신러닝이란?

머신러닝

정의: 인공지능을 만드는 기법 중 하나, 데이터와 데이터로 인해 나타나는 결과를 이용해 기계가 스스로 학습하는 방식

 => 기계가 스스로 데이터와 결과 사이의 관계를 찾아낸다.

---

딥러닝

머신러닝 기법 중 하나

---

머신러닝의 종류

1. 지도 학습(supervise learning)

 정답이 있는 데이터(레이블)를 이용하여 학습시킴

 사례1) 분류

  - 지도 학습은 레이블 개수에 따라 분류 가능하다.

  - 이진분류(binary classification): 두 가지로 분류할 수 있는 분류 ex) 맞는지 아닌지

  - 다중 분류: 두 가지가 아닌 경우 ex) 과일의 종류

 사레2) 회귀

  - 연속적인 값을 예측하는 것 ex) 주식 예측, 성적 예측, 집값 예측

  ex) 미국 보스톤의 집값을 예측하는 데 사용할 수 있는 데이터

    방 수, 범죄율, 고속도로 접근성과 같은 데이터들로 집값(연속적인 데이터)을 예측한다.

 

2. 비지도 학습

  정답이 없는 데이터를 이용하여 그 데이터의 특징을 찾아서 스스로 구분한다.

  새로운 데이터가 들어오면 그룹의 특징을 파악하여 어떤 그룹에 속하는지 스스로 판단할 수 있다.

  사람이 몇 가지의 그룹으로 구분하는 지는 알려줘야 한다.

  사례1) 군집화 (clustering)

   - 비지도 학습을 사용하여 데이터를 다양한 그룹 군집(cluster)로 만들 수 있다.

   - 이렇게 다양한 그룹을 만드는 과정을 군집화라고 한다.

   - 비슷한 사람끼리 묶고, 그 사람들의 구매 내역을 사용해 추천 시스템을 만들 수 있다.

  사레2) 차원 축소

   - 차원: 데이터의 특징(feature)

   - 모든 조건을 고려할 수 없으므로 이 중에서 몇 가지의 특징만으로 좁혀나간다.

   - 데이터의 특징을 줄일 때 비지도 학습을 사용하여 피처를 줄여줘 데이터를 더욱 효율적으로 사용할 수 있다.

 

3. 강화 학습