[인공지능개론1] 1. 머신러닝 개요

2021년 성균관대학교에서 수강한 '인공지능개론' 수업을 2023년 복습 겸 정리한 내용입니다.

머신러닝이란?

데이터, 이전 결과 또는 경험에 기반해 프로그램을 향상시키는 것.

통계학과 비슷하지만 머신러닝은 알고리즘적 복잡성과 더 많은 휴리스틱 지식을 요구한다.

ML(머신러닝) 문제들의 종류

• Classification
  여러 인식 문제, 추천, 필터링, 디텍션 등에 사용
• Regression
  마케팅, 스톡 마켓 예측 등
• Clustering
  웹 서치, document & information retrieval, Machine translation 등
• Dimension Reduction

Classification

• labeled 된 데이터셋이 주어진다.
• label들의 바운더리를 찾는 것이 목적
• query가 주어지면, label을 답해야 한다. 즉, 여러 주어진 label들 중 하나를 예측하는 것

Regression

• (x,y) 셋이 주어지면 x와 y 사이의 함수를 찾아내는 것이 목적
• x' 쿼리가 주어지면 x'에 대응하는 y를 찾아내야 함
• real number를 예측한다.

Clustering

• labeled 되지 않은 데이터들이 주어진다.
• 비슷한 data들끼리 그룹화 하는 것이 목적
• query가 주어지면, 이 query가 어느 그룹에 속하는지 결정해야 한다.

Dimension Reduction

• labeled 되지 않은 데이터들이 주어진다.
• 정보의 손실을 최소화하며 data의 차원을 줄이는 것이 목적
• 예를 들어, 2차원으로 mapping 된 데이터가 있다고 하자. 이때, dimension reduction 을 할 때 그냥 projection을 할지, 아니면 다른 방법을 사용해야 할지 정하기 어렵다.
  -> ML을 통해 데이터의 패턴을 찾으면 된다.

학습 방법의 종류

Supervised Learning

• Classification, Regression
• 주어지는 모든 데이터가 labeled 되어 있음

Unsupervised Learning

• Clustering, Dimension Reduction, Association
• 데이터들이 labeled 되지 않음

Reinforcement Learning

• Strategy Learning
• 행동에 따른 reward가 주어진다.