[머신러닝/딥러닝 기초] 2. 머신러닝 시스템의 종류

머신러닝이란

https://seokii.tistory.com/48?category=1054781 

1. 머신러닝(Machine Learning, 기계학습)이란 무엇인가?

지난 글에서 머신러닝의 개념과 사용하는 이유에 대해 작성을 했습니다.

이번에는 머신러닝 시스템의 종류에 대해서 정리하도록 하겠습니다.

 

머신러닝 시스템의 종류

머신러닝은 크게 지도학습, 비지도학습, 강화학습 세 가지 종류로 나눌 수 있습니다.

지도학습

지도학습(Supervised Learning)은 답이 있는 데이터를 사용해 학습을 시키는 방식입니다.

학습과정에서 정답인지 오답인지를 알려주고 학습을 진행하게 됩니다.

입력 값(x)이 주어지면 그것에 대한 답(Label)을 알려주고 모델을 학습시킵니다. 

이때, 찾고자 하는 정답이 비연속적인 값이면 분류(Classification)라 하며,

연속적인 값을 예측하고자 하면 회귀(Regression)라 합니다.

 

이해를 돕기 위한 분류의 예로는

1. 메일 내용을 분석해 스팸 메일인지 아닌지를 구분하는 문제

2. 사진을 보고 강아지, 고양이 등을 분류하는 문제

등이 있습니다.

 

또한, 회귀의 예로는

1. 어떠한 특성에 따른 집값 예측

등이 있습니다.

 

회귀와 분류

 

비지도학습

비지도학습(Unsupervised Learning)은 지도학습과는 달리, 학습을 하는 데 있어서 필요한 답(Label)이 주어지지 않습니다. 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속합니다.

대표적인 비지도학습에는 군집(Clustering), 시각화와 차원축소, 연관 규칙 학습 등이 있습니다.

군집의 아래의 사진과 같이, 특성이 비슷한 것들끼리 묶는 것을 의미합니다.

군집(Clustering)

 

강화학습

강화학습(Reinforcemnet Learning)은 앞선 지도학습, 비지도학습과는 매우 다른 종류라고 할 수 있습니다.

강화학습에서는 학습하는 시스템을 에이전트라고 지칭합니다.

환경(environment)을 관찰해서 행동(action)을 실행하고 그 결과로 보상(reward)혹은 벌점(penalty)을 받습니다. 시간이 지나면서 가장 큰 보상을 얻기 위해 정책이라고 부르는 최상의 전략을 스스로 학습합니다.

가장 널리 알려진 강화학습 모델은 다들 한 번쯤은 들어본 알파고(Alphago)를 예로 들 수 있습니다.

강화학습(Reinforcement Learning)