Machine Learning (1)

Machine Learning(기계학습)의 개념

많은 양의 데이터를 보여주고, 이를 보여줄 때 마다 정답을 알려줘 기계가 스스로 식별 규칙을 찾아내게 하는 것

• 패턴을 제공하고 이것이 무엇을 의미하는지 알려준다 -> 스스로 분류 기준을 세운다

Machine Learning의 종류

머신러닝의 학습 방식은 크게 3가지 종류로 나눌 수 있다

1. Supervised Learning (지도 학습)
   • 입력 데이터와 정답을 이용한 학습
   • 주어진 입력에 대해 올바른 출력을 예측하도록 학습
   • Classification(분류), Regression(회귀) 등
   • ex) 이메일 스팸 필터링, 주식 가격 예측다
2. Unsupervised Learning (비지도 학습)
   • 입력 데이터만을 이용한 학습
   • 정답이 없는 데이터를 군집화하거나 패턴을 찾도록 학습
   • Clustering(군집화), Compression(압축) 등
   • ex) 고객 세분화, 이미지 압축
3. Reinforcement Learning (강화 학습)
   • Trial and Error(시도와 오류)를 통한 학습
   • 환경과 상호작용하며 보상을 최대화하는 방향으로 학습
   • Action Selection(행동 선택), Policy Learning(정책 학습) 등
   • ex) 게임 자동 플레이, 로봇 제어

Train과 Test

머신러닝의 학습 과정은 크게 Train과 Test, 두 단계로 나뉜다

• Training Stage
  • Input Data -> Learning System -> Correct Output
  • 이 단계에서는 기계가 주어진 데이터를 바탕으로 규칙을 학습
  • 목표: 주어진 데이터에 대해 정확한 예측이 가능하도록 시스템을 훈련
• Testing Stage
  • New Input Data -> Learning System -> Best Guess
  • 이 단계에서는 학습된 모델이 처음 보는 데이터에 대해 얼마나 좋은 예측을 하는지 평가
  • 목표: 학습한 모델의 일반화 성능을 검증

요약

Machine Learning의 궁극적인 목표는 처음 보는 데이터에 대해 올바른 예측을 하게끔 만드는 것
Training Stage의 성공적인 달성으로 Testing Stage에서의 성능을 극대화하는 것에 집중하는 것이 포인트