[머신러닝 시스템의 종류] 지도학습/비지도학습/준지도학습/강화학습

 

※ '핸즈온 머신러닝' 을 읽으며 정리했습니다.

 

 

 

지도 학습(supervised learning)

 

지도 학습은 훈련 데이터에 레이블(정답)이 포함되어있다.

 

 

대표적인 지도 학습 작업

• 분류(classification) : 주어진 샘플을 클래스별로 구별
• 회귀(regression) : 예측변수(특성)을 사용해 타깃 수치를 예측

 

지도 학습 알고리즘

• k-최근접 이웃
• 선형 회귀
• 로지스틱 회귀
• 서포트 벡터 머신
• 결정 트리와 랜덤 포레스트
• 신경망

 

 

 

비지도 학습(unsupervised learning)

 

 

비지도 학습의 훈련 데이터에는 레이블이 없다.

 

 

대표적인 비지도 학습 작업

군집(clustering) : 각 데이터의 유사성을 측정하여 비슷한 데이터끼리 군집

시각화

차원축소 : 데이터를 간소화

이상치 탐지 : 데이터셋에서 이상한 값을 탐지

연관 규칙 학습 : 데이터에서 특성 간 흥미로운 관계를 찾는 것

 

 

비지도 학습 알고리즘

-군집

• k-평균
• 계층 군집 분석(HCA)
• 기댓값 최대화

-시각화와 차원 축소

• 주성분 분석(PCA)
• 커널 PCA
• 지역적 선형 임베딩(LLE)
• t-SNE

-연관 규칙 학습

• Apriori
• Eclat

 

 

준지도 학습(semisupervised learning)

 

전체 데이터셋에서 일부 데이터만 레이블을 가지고 있다.

대부분의 준지도 학습 알고리즘은 지도 학습과 비지도 학습의 조합으로 이루어져있다.

 

예시 : 구글 포토

 

 

 

강화 학습(semisupervised learning)

 

강화학습에서는 학습하는 시스템을 에이전트라고 부르고 환경을 관찰해서 행동을 실행하고 그 결과로 보상을 받는다. 점점 가장 큰 보상을 얻기 위해 정책(최상의 전략)을 스스로 학습한다. 정책은 주어진 상황에서 에이전트가 어떻게 행동해야 할지 정의한다.

 

예시 : 알파고