머신러닝의 분류 (지도학습, 비지도학습, 강화학습)

지도학습(Supervised learning)

정답이 있는 문제를 해결하는 것

• 기계를 가르친다는 의미
• 문제집을 푸는 것과 비슷함 (문제를 풀고, 정답을 비교하고 맞추다 보면, 문제를 푸는 것에 익숙해짐 → 이후에는 비슷한 문제를 만나면 오답에 빠질 확률이 점점 낮아짐)
• 데이터를 컴퓨터를 학습시켜서 모델을 만드는 방식
• 역사적 : 과거의 원인과 결과를 바탕으로 결과를 모르는 원인이 발생했을 때 어떠한 결과를 초래할 것인가 추측하는 것이 목적
• 독립변수와 종속변수가 꼭 필요함
• 분류(Classification), 회귀(Regression)

비지도학습(Unsupervised learning)

무엇인가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것

• 지도학습에 포함되지 않는 방법
• 기계에게 데이터에 대한 통찰력을 부여 (누가 답을 알려주지도 않았는데도 무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀 내는 것)
• 데이터의 성격을 파악하거나 데이터를 잘 정리정돈 하는 것에 주로 사용됨
• 탐험(미지의 세계를 파악)과 유사 → 데이터들의 성격을 파악하는 것이 목적
• 독립변수와 종속변수의 구분이 중요하지 않고 그냥 데이터만 있으면 됨
• 그룹핑 : 데이터를 정리정돈 → 표에 담긴 데이터의 성격을 파악하는 것
• 군집화(Clustering), 변환(Transform), 연관(Association)

강화학습(Reinforcement learning)

더 좋은 보상을 받기 위해서 수련하는 것

• 지도학습과 비슷하지만 차이점 존재
• 어떻게 하는 것이 더 좋은 결과를 낼 수 있는지를 스스로 느끼면서 실력 향상을 위해 노력하는 수련과 비슷 = 경험을 통해 더 좋은 답을 찾아감
• 게임 실력을 키우는 것과 비슷함

머신러닝 분류 지도

이 지도는 만능이 아니며, 현실에서 사용되는 머신러닝은 이보다 훨씬 복잡하다

참고

생활코딩 강의