머신러닝
기계 학습
머신러닝
머신 러닝은 크게 지도학습, 비지도학습, 강화학습으로 3가지로 나뉘어져 있습니다. 먼저 비지도 학습(Unsupervised Learnging)은 지도 학습과 달리 정답을 알려주지 않고 예측하는 방법입니다. 정답을 모르더라도 유사한 것들과 서로 다른 것들을 구분해서 군집을 만들 수 있는 기계학습인데 예를 들면, 아이가 자라면서 처음 보는 장난감도 엄마의 화장품이나 맛있는 음식과 다르다는 것을 구분할 수 있게 되고, 많은 사람이 말하더라도 엄마의 목소리를 구분해 낼 수 있는 것과 같습니다. 강화 학습(Reinforcement Learning)은 보상 및 벌칙과 함께 여러 번의 시행착오를 거쳐 스스로 학습하는 방법
지도 학습(Supervised Learning)
입력 값과 함께 결과 값(정답 레이블)을 같이 주고 학습을 시키는 방법 예를 들면, 정답을 알고 있는 엄마가 아이에게 말을 가르치는 것처럼, 정답을 기반으로 오류를 줄여서 학습하는 방법 즉, 반복 학습을 통해 오류를 줄여가면서 점차 정답에 가까워지는 방법
대표적인 알고리즘 : 분류(Classification), 회귀(Regression)분류(Classfifcation) 데이터가 범주형 변수를 예측하기 위해 사용될 때
예) 이미지에 강아지나 고양이와 같은 레이블을 할당하는 경우에 해당
스팸 필터 – 여러가지 메일과 발송 기관 등을 샘플로 훈련하여 스팸메일인지 아닌지를 분류
회귀(Regression) 트레이닝 데이터를 이용하여 연속적인 값을 예측하는 것
예) 중고차 가격 예측 – 대량의 중고차 판매 데이터에서 주행거리, 연식, 브랜드 등을 사용하여 중고차 가격 예측 환자의 회복 시간 예측 - 환자의 나이, 건강 상태, 수술의 복잡성, 과거 병력 등 다양한 요소를 고려하여 환자가 회복하는 데 걸리는 시간을 예측
참고한 글
https://modulabs.co.kr/blog/machine-learning/
