머신러닝의 분류 - 교양 끝

머신러닝의 분류

오리엔테이션에서 보여드렸던 상황극에서는 기존의 데이터를 바탕으로 학습시켜 새로운 데이터에 대한 결과값을 판단하도록 했습니다. 이를 전문용어로는 '지도학습'이라고 합니다. 이렇게 고유한 이름이 붙어있다는 것은, 이 밖에도 다른 다양한 머신러닝 방법이 있다는 뜻이겠죠?

 

지도학습과는 반대로 과거의 데이터라는 것이 없는 상태에서, 현재의 데이터들만을 가지고 이들을 분류할 적절한 기준을 만들어내거나 서로의 연관성을 파악하게 할 수도 있습니다. 이렇게 하는 머신러닝을 '비지도학습'이라고 합니다.

 

그리고 알파고처럼, 정답이 없는(혹은 명확하지 않은)상태에서 행위와 결과를 통해 상벌을 제공함으로써 더 나은 결과를 만들어낼 수 있도록 기계를 학습시키는 것을 강화학습이라고 합니다.

 

이렇게 다양한 머신러닝 방법을 보기좋게 그려보자면 다음과 같습니다.

머신러닝	지도학습	분류	과거의 데이터와 적절한 분류 기준이 주어집니다. 그리고 입력데이터가 들어왔을 때 이것이 어떤 분류로 들어가야 하는지 판단할 수 있는 능력을 학습합니다.
		회귀	과거의 데이터가 주어집니다.
	비지도학습	군집화	작성중...
		연관
		변환
	강화학습

 

마치며

다음 글에서부터는 보다 구체적인 사례들을 다루고, 마지막에는 코딩을 통해 직접 실제로 동작하는 응용 프로그램(모바일이라면 Application)을 만들어 보려고 합니다. 단순히 교양을 위해 머신러닝을 공부하신다면, 딱 여기까지만 하셔도 크게 문제는 없을 거라 생각됩니다.