1. 지도학습(Supervised Learning)
- 문제의 정답을 모두 알려주고 학습시키는 방법
- 독립변수(특성, Feature, X)와 종속변수(타겟, Label, Y)의 세트로 구성된 데이터셋을 이용해 모델 학습
- Feature가 주어졌을 때 적절한 답변을 모델이 하도록 하는 것
예측(Prediction)
- 평점, 시간, 가격 등 타겟이 연속형(Continuous)인 경우
- ex) 머니볼, 와인 품질 예측 등
분류(Classification)
- 스팸메일, 감염, 이미지 등 타겟이 범주형(Categorical)인 경우
2. 비지도 학습(Unsupervised Learning)
- 답을 알려주지 않고 공부시키는 방법
- 모델을 학습할 때 별도의 타겟 변수를 설정하지 않음
- 주어진 데이터에서 모델이 스스로 데이터의 특성을 파악하고 모델을 만듦
연관 규칙(Association Rule)
- 장바구니 분석이라도고 하며, 데이터셋 내에서 항목 간의 연관된 규칙을 찾는 방법
- ex) 타겟의 임신 예측 모델
군집 분석(Clustering Analysis)
- 비슷한 특성에 따라 데이터를 더 작은 그룹으로 세분화
- ex) 이상 거래 탐지, 넷플릭스의 컨텐츠 유사성 지도 등
3. 강화 학습(Reinforcement Learning)
- 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습
- 실제 사람이나 동물이 학습하는 방식과 유사
- ex) 알파고와 같은 게임 AI, 자율주행 등
👋🏻