Python 머신러닝 빌드업 - 2회차
- 머신 러닝의 종류인 지도 학습, 비지도 학습, 강화 학습에 대해 이해하기!
0. 학습(러닝)의 종류
- 지도학습 : 문제와 정답을 모두 알려주고 공부시키는 방법 → 예측, 분류
- 비지도학습 : 답을 가려쳐주지 않고 공부시키는 방법 → 연관 규칙, 군집
- 강화 학습 : 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습 → 보상
1. 지도학습 ( Seupervised Learning )
-
문제와 정답을 모두 알려주고 학습시키는 방법
-
독립변수 와 종속변수의 세트로 구성된 데이터셋을 이용해 모델을 학습
-
Feature가 주어졌을 때 적절한 답변을 모델이 내놓는 것이 목적
1) 예측 ( Prediction )
- 평점, 시간, 가격, 변동률 등 타겟이 연속형(Countinuous)인 경우
- 예시 ) 머니볼, 와인 품질 예측 등
2) 분류 ( Classification ) - 스팸메일, 감염, 이미지 등 타겟이 범주형(Catagorical)인 경우
2. 비지도 학습 ( Unsupervised Learning )
-
답을 가르쳐주지 않고 공부시키는 방법
-
모델을 학습할 때 별도의 타겟 변수(y)를 설정하지 않음
-
주어진 데이터에서 모델이 스스로 데이터의 특성을 파악하고 모델 생성
1) 연관 규칙 ( Association Rule )
- 장바구니 분석이라고도 하며, 데이터셋 내에서 항목 간의 연관된 규칙을 찾는 방법
- 예) 타겟(Target)의 임신 예측 모델
2) 군집 분석 ( Clustering Analysis )
- 비슷한 특성에 따라 데이터를 더 작은 그룹으로 세분화
- 예 ) 이상 거래 탐지, 뉴스 주제별 군집화, 넷플릭스의 컨텐츠 유사성 분류 등
3. 강화학습 ( Reinforcement Learning )
- 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습
- 예) 게임 AI, 로봇 제어 및 자율 주행 등
