머신 러닝, 딥 러닝, 지도 학습(분류, 회귀), 비지도 학습, 강화 학습

▶ 초심공룡을 아는가, 그 모임엔 막내가 정말 치명적이다.

cs231n 수업을 더 잘 이해하기 위해 알아야 할 필요지식들이 있어 정리한다.

 

1. 머신 러닝 

- 인공지능의 한 분야로 컴퓨터가 스스로 학습하게 하는 알고리즘과 기술을 개발하는 분야이다.

(참고 : https://ko.wikipedia.org/wiki/%EA%B8%B0%EA%B3%84_%ED%95%99%EC%8A%B5)

 

 

2. 딥 러닝

- 머신러닝의 한 분야로 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 머신러닝 알고리즘의 집합이다.   

=> 즉, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용이나 기능을 요약하는 작업이다.

(참고 : https://ko.wikipedia.org/wiki/%EB%94%A5_%EB%9F%AC%EB%8B%9D) 

 

 

 

3. 인공지능, 머신 러닝, 딥 러닝 관계 정리

 

인공지능(AI) ⊃ 머신러닝(ML) ⊃ 딥러닝(DL)

간단하게 정리하면 이거다.

 

 

cs231n 수업은 딥러닝 기술 중에서 CNN 에 대해서 배운다.

 

 

 

 

 

 

4. 지도 학습, 비지도 학습, 강화 학습

- 3가지 모두 머신 러닝의 학습시키는 방법이다.

 

머신 러닝 3가징 학습방법

 

 

1) 지도 학습

- 정답이 있는 데이터를 활용해 데이터를 학습시키는 것이다. 입력 값이 생기면 입력값에 대한 Label를 주어 학습시킨다.

- 알고리즘은 아래와 같다.

• K-최근접 이웃(k-Nearest Neighbors)
• 선형 회귀(Linear Regression)
• 로지스틱 회귀(Logistic Regression)
• 서포트 벡터 머신(SVM, Support Vector Machine)
• 결정 트리(Decision Tree)와 랜덤 포레스트(Random Forest)
• 신경망(Neural Network)

- 지도학습의 종류는 분류와 회귀 2가지 있다.

 

{1-1} 분류

- 주어진 데이터를 정해진 카테고리(라벨)에 따라 분류하는 모델이다.

- 이산적인 데이터를 다룰때 사용한다.

 

{1-2} 회귀

- 어떤 데이터들의 특징를 기준으로, 연속된 값을 예측하는 모델이다.

- 연속적인 데이터를 다룰때 사용한다.

- 주로 어떤 패턴이나 트렌드, 경향을 예측할 때 사용한다.

 

 

2) 비지도 학습

- 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하도록 학습시킨다.

- 지도 학습에 필요한 특정 데이터의 특징(Feature)을 찾기 위해 이 방법을 사용하기도 한다.

-  대표적인 알고리즘은 클러스터링(Clustering) 이다.

 

 

3) 강화 학습

- 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화 하는 행동 혹은 행동 순서를 선택하도록 학습시킨다.

- 더 많은 보상을 받을 수 있게 만드는 것이 핵심이다.

- 더 많이 경험하게 만들어 여러 시행착오를 통해 학습시키는 것이다.
- 알파고를 이 기술로 만들었다.