기계학습의 유형

지도 방식에 따른 유형 : 지도, 비지도, 준지도, 강화학습

다양한 기준에 따른 유형/종류 ❖ 실시간으로 점진적인 학습을 하는지 아닌지

• 온라인학습, 배치학습 ❖ 단순하게 알고 있는 데이터 포인트와 새 데이터 포인트를 비교하는 것인지 아니면 훈련 데이터셋에서 패턴을 발견하여 예측 모델을 만드는지

• 사례 기반 학습, 모델 기반 학습

지도 학습 (supervised learning)

특징 벡터 𝕏와 목표값 𝕐가 모두 주어진 상황→입력 벡터에 대해 출력값을 알려줌

-회귀 출력이 연속된 실수로 주어짐

-분류 몇 가지 부류로 주어짐

비지도 학습 (un-supervised learning)

특징 벡터 𝕏는 주어지는데, 목표값 𝕐 가 주어지지 않는 상황 ✓ 데이터만을 가지고 학습

데이터의 숨겨진 특징이나 구조를 발견하는데 사용

-ex 클러스터링(Clustering) 알고리즘 : 데이터가 무작위로 분포 되어 있을 때 비슷한 특성을 가진 데이터들을 묶는 방식

강화 학습 (reinforcement learning)

목표값이 주어지는데, 지도 학습과 다른 형태임

예) 바둑 / 장기 : 수를 두는 행위가 샘플인데, 게임이 끝나면 목표값 하나가 부여됨 이기면 1, 패하면 -1을 부여 = 연속된 샘플의 열에 목표값 하나만 주는 방식임. 따라서 샘플 열에 속한 각각의 샘플에 목표값을 배분하는 알고리즘이 추가로 필요함 게임을 구성한 샘플들 각각에 목표값을 나누어 주어야 함

준지도 학습 (semi-supervised learning) 일부는 𝕏와 𝕐를 모두 가지지만, 나머지는 𝕏만 가진 상황

• 인터넷 덕분으로 𝕏의 수집은 쉽지만, 𝕐는 수작업이 필요하여 최근 중요성 부각 예) 자연 영상 수집의 경우 : 인터넷에 하루에 수천만장의 영상이 올라옴. 자동으로 𝕏 수집 이중 산 영상만 분류 시 𝕐 는 ? 소량의 데이터에만 부류 정보를 부여한 후, 부류 정보가 있는 소량의 데이터와 부류 정보가 없는 대량의 데이터를 함께 활용하여 성능 향상을 모색하는 것