[인공지능] 기계학습

기계학습의 목적

 

if-else문 같은 조건문으로 설계가 불가능할만큼 경우의 수가 너무 많은 문제에 사용된다. 복잡한 데이터(비정형데이터)를 기반으로 결정을 내려야 하는 분야에 사용된다. 

 

기계학습은 함수를 학습한다.

입력(x)가 들어올 때 어떤 결과(y)가 나올지 예측하는 방법이 기계학습이다.

 

 

기계학습의 종류

 

1) 지도학습(Supervised Learning)  < 분류, 회귀 > : 과거를 학습하여 미래를 예측

 

입력-출력 데이터 예시가 미리 주어짐. 예시를 기반으로 새로운 입력에 대한 출력을 예측하는 패턴을 추출

( 번호판 인식, 날씨 예측, 시장 예측 ) 

 

 

2) 비지도학습(Unsupervised Learning) < 클러스터링, 차원축소 > : 현재를 분류하여 미래를 예측

 

예시 데이터가 없는 상태에서 데이터를 묶거나 분류하여 클러스터링하거나 특징을 추출하는 방식

( 데이터 마이닝, 빅데이터 가시화 )

 

 

3) 강화학습(Reinforcement Learning)

 

보상이 주어지는 문제에 대한 상태에서의 행동을 결정

 

 

기계학습 용어

 

- 특징(feature) : 입력값 (x)

- 레이블(label) : 출력값 (y)

 

특징의 레이블이 미리 주어지면 지도학습

특징을 분류하여 레이블을 구분하면 비지도학습

 

- 학습(learning) :  모델을 만들거나 배우는 것 ( f )

- 예측(predication) : 특징을 학습된 모델에 넣어 레이블을 예측하는 것