머신러닝 (Machine Learning) 개념과 알고리즘 종류

 

인공지능이란 인간의 행동이나 생각 과정들을 컴퓨터가 모방하거나 복제하는 가장 큰 포괄적인 범위이다.

 

머신러닝이란 인공지능의 한 분야로 컴퓨터가 스스로 학습할 수 있도록 도와주는 알고리즘을 개발하는 분야이다.

즉, 샘플데이터를 업로드해서 자료를 정리한 뒤, 데이터를 분석해서 특정 패턴과 규칙을 찾고 이를 활용 해 의사결정이나

비즈니스 예측에 사용할 수 있다. 데이터와 규칙으로 해답을 얻는 기존방식 대신 데이터와 해답으로 규칙을 찾는다.

알고리즘을 통해 훈련을 시키면 모델이 만들어지는데 정확성을 높이기 위해 더 많은 데이터양을 추가한다던지 여러 알고리즘중에 적합한 알고리즘을 찾는 과정을 거칠 수도 있다.

 

사람이 여러 경험이나 자료를 통해 지식을 얻어 생각하고 분석해서 추론이라는 과정을 거쳐 합리적인 의사결정을 내리는 일련의 과정을 컴퓨터가 대신 해 준다고 보면 된다.

 

딥 러닝이란 머신러닝의 알고리즘 중 하나인 인공신경망을 이용한 기법이다.

 

 

 

머신러닝 종류

 

분류 / 회귀   -> 지도,감독 학습 ( 직적 레이블링 하는 작업으로 학습 시켜야 함 )

ex/ SVM, Logistic Regression, Linear Regression, Decision Tree, Random Forest, kNN

분류 - 이미지나 입력데이터를 카테고리에 따라 분류 / 번호판 인식, 스팸메일 구별
회귀 - 선형의 그래프로 데이터나 가설등의 인과관계(종속변수-독립변수) 예측 / 주택, 환율 가격 예측

 

그룹화  -> 비 지도,감독 학습 ( 스스로 학습해서 데이터에 숨겨진 규칙이나 패턴을 찾음 )

ex/ K-means, PCA, Apriori

그룹화 - 비슷한 특징을 가진 데이터들끼리 그룹화 시킴 / 질병 조사, 통계 분야

 

강화학습 -> 목표 지향 학습

ex/ Monte-Carlo, Q-learning, Markov Decision

강화 학습 - 환경에 변화함에 따라 보상을 얻는데 이를 통해 학습이 일어남, 지연된 보상이 일어날 수 도 있어 전체적인 결과값으로 가장 큰 보상을 얻는 목표를 가지고 학습이 일어나도록 해야함 / 로봇 공학, 알파고