머신러닝의 분야(지도학습, 비지도학습, 강화학습)

[생활코딩 머신러닝1 강의 정리]

 

basic concepts

• 모델: 러닝머신에서의 '판단력'을 칭함
• 행(row): 개체(instance), 관측치(observed value), 기록(record), 사례(example), 경우(case)
• 열(column): 특성(feature), 속성(attribute), 변수(variable)
• 독립변수: 원인이 되는 변수
• 종속변수: 결과가 되는 변수

 

머신러닝의 분야

• 지도학습: 데이터로 컴퓨터를 학습시켜서 모델을 만드는 일
• 비지도학습: 기계에 데이터에 대한 통찰력을 부여하는 일, 새로운 의미나 관계를 밝혀냄
• 강화학습: 지도학습은 정답을 알려주는 문제집이 있는 것이라면, 강화학습은 더 좋은 과정을 찾아가는 것

 

 

지도학습

과거의 데이터를 학습해서 결과를 예측. 충분히 많은 데이터가 필요. 데이터는 독립변수, 종속변수로 나뉘어져 있어야 함. 컴퓨터는 이 둘의 관계를 학습해 모델을 내놓음.

• 회귀: 숫자로 결과를 예측하고 싶을 때
• 분류: 추측하고 싶은 결과가 이름 혹은 문자일 떄
• 양적: 정도를 의미하는 데이터 -> 회귀 사용
• 범주: 이름 -> 분류 사용

 

 

비지도학습

데이터의 성격을 파악하는 것. 독립변수, 종속변수로 나누는 게 무의미. 변수만 있으면 됨.

• 군집화: 관측치(행)를 그룹핑 해주는 것.
  
  cf. 분류: 어떤 대상이 어떤 그룹에 속하는지 판단하는 것
• 연관규칙: 특성(열)을 그루핑 해주는 것. ex) 영화추천, 음악추천, 동영상추천...

 

 

강화학습

일단 해보면서 경험을 통해 실력을 키워 나감. 반복해서 게임을 하며 실력을 키워나가 듯.

• 게임-> 환경(environment)
• 게이머-> 에이전트(agent)
• 게임화면-> 상태(state)
• 게이머의 조작-> 행동(action)
• 상과 벌-> 보상(reward)
• 게이머의 판단력-> 정책(policy)

 

 

 

어떤 머신러닝이 필요할까