머신러닝

 

1. 머신러닝의 정의

" 스스로 변화하는 프로그램 "

인공지능의 부분집합으로 기계학습이라고 불리기도 하며 사람과 동물에게는 자연스러운 일, 즉 경험을 통해 학습하는 것을 컴퓨터가 스스로 수행할 수 있도록 가르치는 데이터 분석 기법으로 요즈음 빅데이터 기술이 부상하면서 많이 중요해진 기법이다.

2. 머신러닝의 작동방식

• 학습지도 :  주어진 데이터와 결과를 이용하여 새로운 문제의 결과를 예측할 수 있도록 하는 방법

분류

입력 데이터를 범주로 분류하여 이메일이 진짜 또는 스팸인지 여부, 종양이 악성 또는 양성인지 여부 등의 개별 응답을 예측한다. 일반적인 응용 분야에는 의료 이미지, 음성 인식, 신용 평가 등이 있다. 데이터에 태그 지정 및 범주화하거나 특정 그룹 또는 클래스로 구분할 수 있는 경우 분류를 사용한다. 예를 들어 수기 인식을 위한 응용 분야에서는 문자와 숫자를 인식하기 위한 분류를 사용한다.

회귀

온도 변화 또는 전력 수요 변동 등의 연속 응답을 예측한다. 일반적인 응용 분야에는 전기 부하 예측, 알고리즘 트레이딩 등이 있다. 선형 회귀법 로지스틱 회귀법이 대표적이며 선형 회귀법은 지도학습의 회귀문제를 푸는 데에 쓰이고(새로운 값의 예측), 로지스틱 회귀법과 인공신경망은 지도학습의 분류문제를 푸는데에 주로 쓰인다.

• 비지도 학습 :  주어진 데이터만 존재하고 결과가 없을 때 시스템이 스스로 학습해서 패턴(결과)을  도출할 수 있도록 학습하는 방법

군집화(클러스터링)

클러스터링은 가장 일반적인 비지도(unsupervised) 학습 기법으로 탐색적 데이터 분석을 통해 데이터에서 숨겨진 패턴이나 그룹을 찾는 데 사용된다. 클러스터 분석의 응용 분야에는 유전자 서열 분석, 시장 조사, 객체 인식 등이 있다.

분포 추정

군집화에서 더 나아가 데이터들이 뿌려져 있을 때 이 데이터들이 어떤 확률 분포에서 나온 샘플들인지 추정하는 방법이다.

• 반지도 학습 :  다수의 레이블이 없는 데이터를 약간의 레이블이 있는 데이터로 보충해서 학습하는 종류의 문제를 다루는 방법

• 강화 학습 :  기계에게 주어진 환경들 간의 상호 작용을 통해 큰 보상을 얻을 수 있도록 지속적으로 발전해나가는 학습 방법, 이 경우 데이터를 주어지는 것이 아니라 주어진 환경에서 제일 큰 보상을 얻기 위한 학습을 하는 방법

 

 

[ 참고자료 ]

https://blog.martinwork.co.kr/ai/2018/07/08/what-is-machine-learning.html

머신 러닝이란 | 초보자의 머신 러닝 학습기 | Martin

https://kr.mathworks.com/discovery/machine-learning.html

머신 러닝이란?

https://namu.wiki/w/%EA%B8%B0%EA%B3%84%ED%95%99%EC%8A%B5

기계학습 - 나무위키