01(2)-머신러닝 시스템의 종류
1-1. 머신러닝의 종류
- 훈련 감독 방법 : 지도 학습, 비지도 학습, 준지도 학습, 강화 학습
- 훈련 시점 : 온라인 학습과 배치 학습
- 모델 생성 : 사례 기반 학습과 모델 기반 학습
1-2. 지도 학습 vs. 비지도 학습
🔵 지도 학습 : 정답이 있는 경우
- 선형 회귀
- 로지스틱 회귀
- 서포트 벡터 머신
- 결정 트리와 앙상블
- 신경망
🟦 지도학습에는 분류와 회귀가 있음
▶ 분류 : 몇가지 종류 중 하나를 고르는 것
ex. 스팸인지 아닌지 구분하는 것
▶ 회귀 : 숫자를 예측하는 것
ex. 중고자동차 정보를 가지고 예상 판매 가격을 예측하는 것
🟦 지도학습에서 정해진 답 : 레이블, 타깃
1-2. 지도 학습 vs. 비지도 학습
🟢 비지도 학습 : 정답이 없는 경우
- K-평균
- DBSCAN
- PCA
- 가우시안 혼합
- 오토인코더
🟩 비지도 학습에는 군집과 시각화가 있음
▶ 군집 : 데이터를 그룹화로 나눔
ex. 블로그의 방문자 그룹화로 나눔
▶ 시각화 : 여러 특성을 가진 데이터셋을 2차원 평면에 구분해서 표현하는 것
1-3. 준지도 학습 vs. 강화 학습
🟡 준지도 학습 : 정답이 일부만 있는 경우
🟨 준지도 학습 : 지도학습 & 비지도학습을 혼합하여 사용
▶ 비지도 학습으로 군집을 찾은 후에, 정답이 있는 샘플을 사용하여 지도학습 알고리즘을 학습시킬 수 있음
⚪ 강화학습 : 행동의 보상이 있는 경우
⬜ 강화학습 : 어떤 환경을 정의하고, 알고리즘이 환경 안에서 관찰하는 것을 바탕으로 어떤 행동을 수행하면, 환경이 그에 대한 보상을 반환해줌
1-4. 훈련방식에 따라 나누는 '온라인 학습'과 '배치 학습'
🖥 온라인 학습
- 적은 데이터를 사용해 점진적으로 훈련함
- 실시간 시스템이나 메모리가 부족한 경우에 사용함
📝 배치 학습- (기존데이터, 훈련데이터)전체 데이터를 사용해 오프라인에서 훈련함
- 컴퓨팅 자원이 풍부한 경우에 사용함
1-5. 사례기반학습 vs. 모델 기반 학습
😀 사례 기반 학습
- 샘플을 기억하는 것이 훈련임
- 예측을 위해 샘플 사이의 유사도를 측정함
😀 모델 기반 학습- 샘플을 사용해 모델을 훈련함
- 훈련된 모델을 사용해 예측함
best of best