머신러닝

사람조차 명확하게 구분할 수 없는 지식(no explicit knowledge)을 구현해야 하거나, 사람이 일일이 구현하기에는 너무 많은 양의 규칙들이 필요한 경우
→ 이러한 경우에 사용할 수 있도록 고안된 방법

AI : 학습, 문제해결, 패턴 인식 등과 같이 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야

💡 빅데이터를 스스로 분석하고, 그 내용을 바탕으로 결론을 도출하는 기술

1. 데이터 추출 2. 데이터 특징 파악 3. 머신러닝 판단 4. 결과도출
   
   

학습방법

1. 지도학습

   문제와 담을 모두 알려주고 학습시키는 방법

   예측, 분류

2. 비지도 학습

   답을 안알려주고 학습시키는 방법

   연관규칙, 군집

3. 강화 학습

   보상을 최대화, 벌칙은 최소화하는 방향으로 행위를 강화하는 학습

   보상

지도 학습 알고리즘

분류 Classfifcation

• 데이터가 범주형 변수를 예측할 때 (0,1)
• 이진 분류 Binary Classification : 레이블이 두 개인 경우
• 다중 클래스 분류 Multi-Class Classification : 범주가 두 개 이상인 경우

회귀 Regression

• 연속값을 예측할 때
• training 데이터를 이용하여 연속적인 값을 예측할 때

비지도 학습 알고리즘

클러스터링 Clustering

• 특정 기준에 따라 유사한 데이터 사례들을 하나의 세트로 그룹화
• → 전체 데이터 세트를 여러개로 분류하기위해 사용
• → 사용자는 고유한 패턴을 찾기 위해 개별 그룹 차원에서 분석을 수행
• ex) 시장의 세그멘테이션 : 하나의 시장을 여러 고객의 하위군집으로 구분하는 것 문서의 세그멘테이션 : 목적 문서에서 나타나는 키워드를 중심으로 각 문서끼리 얼마나 비슷한지, 다른지 분석 - 유사성 Similarity 구분
  

차원 축소 Dimension Reduction

• 고려 중인 변수의 개수를 줄이는 작업

강화 학습

• 보상 및 벌칙과 함께 여러 번의 시행착오를 거쳐 스스로 학습하는 방법
• 반복 시행, 많은 학습 시간