Machine Learning이란?#

정의로는 인공지능의 한 분야로, 머신러닝은 인공지능의 하위 집합으로, 많은 양의 데이터를 제공하여 명시적으로 프로그래밍하지 않고 시스템이 자율적으로 학습하고 개선할 수 있게하는 방식이라고 말할 수 있습니다.

기본적으로 기계학습은 인공지능이라는 엄청 큰 집합의 하위 집합이라고 생각하시면 됩니다. 기계학습에서 알고리즘은 입력으로 들어온 dataset의 패턴과 상관관계를 찾아내고, 분석을 토대로 의사결정, 예측 등을 수행하도록 훈련됩니다.

기계학습의 작동방식#

먼저 기계학습은 정말 다양한 알고리즘 기법을 적용하는 여러 유형의 모델로 구성됩니다. 데이터의 특성, 목적에 따라서 지도, 비지도, 준지도, 강화학습 등 대표적 4가지 학습모델 중 하나를 적용합니다.

머신러닝은 다양한 알고리즘 기법을 적용하는 여러 유형의 머신러닝 모델로 구성됩니다. 사용 중인 데이터 세트와 원하는 결과에 따라 각 모델 내에서 하나 이상의 알고리즘 기법을 적용할 수 있습니다.

머신러닝 알고리즘은 기본적으로 사물 분류, 패턴 발견, 결과 예측, 정보 기반 의사결정 등을 수행하도록 설계됩니다. 알고리즘은 정확도를 극대화하기 위해 여러 알고리즘을 결합할 수도 있으며, 하나만을 사용할 수도 있습니다.

주의

이 글은 굉장히 간단한 설명만 적혀있습니다. 자세한 학습 방법의 설명을 보고 싶다면 좀 더 세분화된 포스트로 들어가주세요.(이 글에서 예시 X)

지도학습#

지도 학습 알고리즘에서는 예시를 통해 머신을 훈련합니다. 지도 학습 모델은 ‘입력’, ‘출력’ 데이터 쌍으로 구성되며, 원하는 값으로 출력 레이블을 지정할 수 있습니다.

시스템은 알고리즘을 통해 시간에 따라 이 훈련 데이터를 모두 컴파일한 다음 상관관계가 있는 유사성, 차이점, 기타 논리 지점을 결정합니다. 이 작업은 인풋에 대한 답을 스스로 예측할 수 있을 때까지 반복합니다.

비지도학습#

비지도 학습 모델에는 정답 키가 없습니다. 머신이 입력 데이터(대부분 레이블이 없는 비정형 데이터)를 학습한 다음 관련성이 있고 액세스 가능한 데이터를 모두 사용해 패턴과 상관관계를 인식합니다. 비지도 학습은 사람이 세상을 관찰하는 방식을 기반으로 다양하게 모델링됩니다.

준지도학습#

준지도학습은 소량의 레이블이 지정된 데이터를 입력해 레이블이 없는 데이터 세트를 증강합니다. 핵심은 레이블이 지정된 데이터를 통해 시스템이 학습 시작하며, 학습 속도와 정확성을 상당한 수준으로 개선하도록 하는 것입니다. 준지도 학습 알고리즘은 레이블이 지정된 데이터를 분석해 레이블이 없는 데이터에 적용 가능한 상관관계가 있는 속성을 찾도록 훈련합니다.

정보

시스템이 레이블이 지정된 데이터에 포함된 결함까지 학습해 복제할 위험이 있습니다. 준지도 학습을 가장 성공적으로 활용하는 회사에서는 선진사례 프로토콜을 구축하고 있습니다.

강화학습#

지도형 학습에서는 머신에 정답 키를 제공해 모든 올바른 결과 중에서 상관관계를 찾아 학습하도록 합니다. 강화학습에서는 정답 키는 제공되지 않지만 일련의 허용 가능한 행동, 규칙, 잠재적 최종 상태가 입력됩니다. 강화학습에서 ‘보상’은 숫자이며, 시스템에서 수집하려는 항목으로 알고리즘에 프로그래밍됩니다.

이제부터 각 학습에 대한 구현과 자세한 설명을 넣은 포스트를 하도록 하겠습니다.