[머신러닝] 머신러닝의 학습 방법

1. 지도학습 (Supervised Learning)

  1) 분류 (Classfication)

주어진 데이터를 정해진 label에 따라 분류하는 문제이다.  ex) 스팸메일 분류

  - 이진 분류 문제: 맞다, 아니다 등

  - 다중 분류 문제: 호두다 아몬드다 땅콩이다 => 2가지 이상으로 분류

  

   2) 회귀 (Regression)

 데이터들의 Feature를 기준으로, 연속된 값을 예측하는 문제이다. 주로 어떤 패턴이나 트렌드, 경향을 예츠갈 때 사 용된다. 분류처럼 딱 떨어지는 값이 나오는 것이 아니다.  ex) 주택 가격 예측

   

   # Feature: 데이터 값을 예측하기 위한 데이터들의 특징  ex) 마우스의 위치 예측: 마우스의 x 좌표, y 좌표 속도, 속력

       

 

2. 비지도학습 (Unsupervised Learning)

  정답 label이 없는 비슷한 데이터들을 군집화 하여 새로운 데이터에 대한 결과를 예측하는 방법이다. 예를 들어 여러 과일 사진을 주고 비지도학습을 시킨다고 할 때, 각 과일이 어떤 과일인지 label(정답)을 주지 않았으므로 비슷한 단위로 군집화 한다. => label이 없는 데이터에 대해 색깔, 모양과 같은 feature를 바탕으로 수박이다, 참외다, 귤이다 등으로 군집화 한다. 지도 학습에서 적절한 feature를 찾아내기 위한 전처리 방법으로도 사용된다.

ex) Clustering, Dimentionality Reduction, Hidden Markov Model ...

 

 

---

 

지도학습, 비지도학습의 대표적인 알고리즘

  출처: ebbnflow.tistory.com/165

---

3. 강화학습 (Reinforcement Learning)

  지도학습은 배우는 것이지만 강화학습은 일단 해보고 경험을 얻는 느낌이다. 어떤 행동의 결과에 대해 보상(reward)을 받으며 학습한다. 

  "게임을 예시로 들어보자. 게임의 규칙을 따로 입력하지 않고 자신(agent)이 게임 환경(environment)에서 현재 상태(sate)에서 높은 점수(reward)를 얻는 방법을 찾아가며 행동(action)하는 학습 방법으로 특정 학습 횟수를 초과하면 높은 점수(reward)를 획득할 수 있는 전략이 형성된다. 단, 행동(action)을 위한 행동 목록(방향키, 버튼) 등은 사전에 정의가 되어야 한다. " 반복적인 행동들을 통해 상과 벌을 받음으로써 reward의 가중치를 최대화 하는 것이 목표다.

https://ebbnflow.tistory.com/165

 

 

 

 

 

 

출처1: ebbnflow.tistory.com/165

[인공지능] 지도학습, 비지도학습, 강화학습

출처2: marobiana.tistory.com/155

[머신러닝] 지도학습(Supervised), 비지도학습(Unsupervised), 강화학습(Reinforcement)