[머신 러닝 교과서] 머신 러닝의 학습 방법

1. 머신 러닝

: 대량의 데이터 분석 및 규칙 유도하여 모델 생성

 

2. 머신 러닝의 종류

1) 지도 학습

   : 레이블된 훈련 데이터 → 미래의 데이터 예측

• 분류 : 범주형 클래스 레이블 예측

       - 이진 분류일 때, 음성/양성 클래스로 분류

       - 결정 경계(decision boundary, 두 클래스를 구분할 수 있는 규칙) 학습

 

• 회귀 : 연속적인 출력 값 예측

        - 예측 변수(특성)와 반응 변수(타깃)와의 관계 학습

        - 데이터 포인트와 직선 사이의 거리가 최소 되는 직선

 

2) 강화 학습

    : 환경과 상호작용 → 에이전트(시스템) 성능 향상

 

    - 보상 함수를 이용한 피드백 (얼마나 행동이 좋은지 측정한 값)

    - 행동 수행 > 피드백 > 보상 최대화하여 행동 학습

 

3) 비지도 학습 

    : 레이블되지 않거나 구조를 알 수 없는 데이터 → 데이터 구조 탐색

• 군집 : 의미있는 서브 그룹 or 클러스터로 조직 
• 차원 축소 : 데이터 압축(관련 정보 유지 및 예측 성능 향상) by 잡음 데이터 제거/ 데이터 시각화