Machine Learning_basic(1)

 

◎ Machine Learning

• 개념 : 기계 학습 또는 머신 러닝은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다.
• 주어진 데이터를 통해 입력 변수와 출력 변수 간의 관계를 만드는 함수 f(x)를 만드는 것

 

 

 

◎ 지도 학습과 비지도 학습

1. 지도 학습(supervised learning) : Y = f(x)에 대하여 입력 변수 (X)와 출력 변수 (Y)의 관계에 대하여 모델링하는 것

 

지도 학습에서의 2가지 종류

 

   2. 비지도 학습(unsupervised learning) : 출력 변수(Y)가 존재하지 않고, 입력 변수(X) 간의 관계에 대해 모델링하는 것

      └ 종류 : 군집 분석 - 유사한 데이터끼리 그룹화, PCA - 독립변수들의 차원을 축소화

 

 

   3. 강화 학습(reinforcement learning) : 수많은 시뮬레이션을 통해 현재의 선택이 미래에 보상이 최대가 되도록 학습

 

 

 

 

 

◎ Machine Learning의 종류

 

• 선형 회귀분석(Linear Regression) : 독립변수(x)와 종속변수(y)가 선형적인 관계가 있다는 가정하에 분석

 

• 의사결정 나무(Decision Tree) : 독립 변수의 조건에 다라 종속변수를 분리, overfitting이 잘 일어난다.

의사결정 나무의 예

• KNN(K-Nearest Neighbor) : 데이터를 주변 k개의 데이터의 class로 분류하는 기법

 

• Neural Network : 입력, 은닉, 출력층으로 구성된 모형으로서 각 층을 연결하는 노드의 가중치를 갱신하면서 학습

 

• SVM(Support Vector Machine) : Class 간의 거리가 최대가 되도록 decision boundary를 만드는 방법

SVM의 예

 

• Ensemble Learning : 여러 개의 모델을 결합하여 사용하는 모델 ☆★☆★☆★

Ensemble Learning의 예

 

• K-means clustering : Label 없이 데이터의 군집으로 k개로 생성