머신러닝 알고리즘의 3가지 분류

 

머신러닝 알고리즘의 3가지 분류

 

  지도학습(Supervised Learning)

- 지도 학습은 정답 데이터가 존재하는 상황에서 학습하는 알고리즘이다. 좀 더 엄밀하게 정의하면 입력 데이터 x와 그에 대한 정답 레이블 y의 쌍 (x,y)를 이용해서 학습하는 알고리즘이다.

 

- 분류 문제(Classification) : 예측하는 결과값이 이산값인 문제

 

- 회귀 문제(Regression) : 예측하는 결과값이 연속값인 문제

 

비지도 학습(Unsupervised Learning)

- 비지도 학습은 정답 레이블 y없이 입력 데이터 x만을 이용해서 학습하는 알고리즘이다. 즉, 입력 데이터 (x)형태로 학습을 진행한다.

 

- 비지도 학습은 지도 학습과 목적이 조금 다르다. 지도 학습의 목적이 어떤 값에 대한 예측을 수행하는 것이라면 비지도 학습은 데이터의 숨겨진 특징을 찾아내는 것에 목적이 있다.

 

- 비지도 학습은 단독으로 사용하기보다는 비지도 학습으로 파악한 데이터의 숨겨진 특징을 원본 데이터 대신 지도 학습의 인풋 데이터로 활용해서 지도 학습의 성능을 더욱 끌어올리는 용도로 많이 활용한다.

 

 강화 학습(Reinforcement Learning)

- 앞서 살펴본 알고리즘들은 데이터가 이무 주어진 정적인 상태에서 학습을 진행했다면, 강화학습은 에이전트가 주어진 환경에서 어떤 행동을 취하고 이에 대한 보상을 얻으면서 학습을 진행한다.

 

ex) 알파고 프로그램

바둑을 플레이하는 agent를 만들고, agent가 바둑을하는 행동을 취하게하여 이기면 1의 보상을, 지면 –1의 보상을 주는 것이다.

 

- 이때 에이전트는 보상을 최대화하도록 학습을 진행한다.