머신러닝

머신러닝이란?

알고리즘이란?

수학과 컴퓨터 과학, 언어학 또는 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것,
계산을 실행하기 위한 단계적 절차

딥러닝이란?

머신러닝 방법 중의 하나,
MLP(Multi-Layer Perceptron) 이라고 불렸으나, 사람들의 유행을 타기 시작하면서 어감이 좋은 딥러닝으로 굳어지게 되었다.

머신러닝의 회귀와 분류

회귀(Regression)

입력값과 출력값으로 출력값이 연속적인 소수점으로 예측하게 하도록 푸는 방법.

분류(Classification)

이중 분류, 다중 분류와 같이 비연속적인 문제를 분류하여 푸는 방법

회귀와 분류로 푸는 방법도 있다.

머신러닝 학습의 분류

지도 학습(Supervised Learning)

정답을 알려주면서 학습시키는 방법

대표적 : Regression & Classification

라벨링(Labeling, 레이블링) 또는 어노테이션(Annotation) 
: 입력값에 정답을 하나씩 입력해주는 작업

비지도 학습(Unsupervised Learning)

정답을 알려주지 않고 군집화(Clustering)하는 방법

대표적 : Clustering

그룹핑 알고리즘(Grouping algorithm)의 성격

지도 학습과 다르게 라벨(Label 또는 Class)이 없는 데이터가 없는

문제를 해결할 때 사용하는 방법.

비지도 학습의 종류(참고)

군집 (Clutsering)
- K-평균 (K-Means)
- 계측 군집 분석(HCA, Hierarchical Cluster Analysis)
- 기댓갑 최대화 (Experctation Maximization)

시각화(Visualization)와 차원 축소(Dimensionality Reduction)
- 주성분 분석(PCA, Principal Component Analysis)
- 커널 PCA(Kernel PCA)
- 지역적 선형 임베딩(LLE, Locally-Linear Embedding)
- t-SNE(t-distributed Stochastic Neighbor Embdding)

연관 규칙 학습(Assoication Rule Learning)
- 어프라이어리(Apriori)
- 이클렛(Eclat)

강화 학습(Reinforcement Learning)

주어진 데이터없이 실행과 오류를 반복하면서 학습하는 방법
(알파고)

행동 심리학에서 나온 이론으로,
분류할 수 있는 데이터가 존재하지 않거나,
데이터가 있어도 정답이 따로 정해져 있지 않고,
자신이 한 행동에 대한 보상(Reward)를 받으며 학습하는 것.

[딥러닝과 강화학습으로 학습한 쿠키런 AI]

강화학습의 개념

에이전트(Agent)
환경(Environment)
상태(State)
행동(Action)
보상(Reward)