머신러닝의 기초

지도학습(supervised learning) 은 훈련데이터를 통해 label을 얻는것을 얘기한다

 

• 분류 - 메일/문자 샘플링
• 예측변수(predictor variable, feature) 을 통한 타켓 값 예측
  • 반복직인 훈련(회귀)를 통해 하기 떄문에 많은 데이터가 필요

지도학습에 가장 많이 사용하는 알고리즘 종류

•  K-최근접 이웃(k-nearest neighbors)
• 선형회귀
• 로지스틱 회귀
• 서포트 백터
• 결정 트리/랜던 포레스트
• 신경망

---

비지도 학습이란? unsupervised learning?

지도학습과 달리 훈려네이터에 레이블(분류?)가 없다. 

예를 들어 어떤 데이터를 분석하는데 이 데이터를 사용하는 혹은 조회하는 사용자의 정보가 없을때.이러한 경우 머신러닝이 스스로 학습해서 사용자를 분류하는것을 얘기한다.

 

 

 

비지도 학습에 사용하는 알고리즘 종류

• 군집(clustering)
  • k-means
  • 계층 군집 분석
  • 이상치, 특이점 탐지
    • 이 알고리즘을 위해서는 순수한 데이터가 필요하다 왜냐하면 이 알고리즘은 정상 데이터가 아닌것을 찾아내는것이기 때문이다. 이상한 값이 들어가 있으면 그것 또한 정상적인 값으로 생각할 수 있기 때문이다
    • ex) 신용거래의 이상한 거래 내역감지? 
    •  
• 시각각화 알고리즘 종류
  
  • 커널
  • 원리 분석?(principla component analysis)
• 연관 규칙 학습
  • 연관된 것들을 찾아내는 학습 방법이다.
  • ex) 술사는 사람은 담배도 같이산다
  • ex) 토익책을 사는 사람은 취준생이다

---

강화 학습이란? reinforcement learning?

이 알고리즘은 enviroment를 모니터링하여 실천하고 긍정적(reward)혹은 부정적(penalty)를 받는 방식이다

보상을 받기 위해 정책을 수립하는 과정이라고 할수있다

 

강화학습의 예로 알파고가 있다. 결국 바둑게임에서 이기기 위한(reward)를 받기 위한 policy를 계속 찾는 학습이다