머신러닝은 뜻 그래도 기계가 경험을 통해 스스로 학습하고 개선하는 기술
데이터를 분석 하고, 그 데이터를 기반으로 예측이나 결정을 내리는 알고리즘을 만드는 것이다.
머신 러닝의 종류로 지도학습, 비지도학습, 강화학습이 있다.
입력, 출력 데이터가 주어지고, 모델은 이를 학습하여 예측을 하거나 분류하는 방식
정답이 없는 데이터를 이용해 데이터의 패턴이나 구조를 찾는 학습 방식
에이전트(agent)가 환경(environment)과 상호작용하면서 최적의 행동을 배우는 과정
학습 방식 | 데이터 | 목표 | 예시 |
---|---|---|---|
지도학습 | 입력 데이터 + 출력 데이터(레이블) | 입력에 대한 정확한 예측 | 이미지 분류, 스팸 이메일 분류, 회귀 예측 |
비지도학습 | 입력 데이터만 존재 | 데이터의 패턴이나 구조 파악 | 클러스터링, 차원 축소, 이상감지 |
강화학습 | 환경과의 상호작용 (상태 + 행동 + 보상) | 최적의 행동을 학습 | 게임 AI, 로봇 제어, 자율 주행 차량 |
딥러닝은 다층 신경망(Deep Neural Networks)을 이용해서 데이터를 분석하는 방법
딥은 여러 층(layer)을 의미하는데, 이 층들이 데이터를 처리하면서 점점 더 복잡한 특성을 학습 한다.
각 층은 입력 데이터에서 중요한 특징을 점점 추출해 가면서, 최종적으로 예측이나 분류를 수행
신경망은 뉴런이라 불리는 노드(node)들로 구성돼 있다.
각 뉴런은 입력 값을 받아 가중치(weight)를 곱하고, 이를 합산하여 활성화 함수(activation functicon)를 통과 시켜 결과를 출력 한다.
비선형 문제란
- 선형 관계는 두 변수 간의 관계가 직선으로 나타나는 경우
y = mx + b처럼, x값이 커지면 y 값도 일정한 비율로 증가, 감소하는 관계- 비선형 관계는 변수들이 직선으로 연결 되지 않음
y = x²처럼 x가 커질수록 y의 변화율이 점점 더커지거나 다른 복잡한 형태로 변하는 관계
1. 데이터 준비: 데이터를 모델에 입력할 수 있는 형태로 준비
2. 순전파(Forward Propagation): 데이터를 네트워크를 통해 전달하면서 예측값을 계산
3. 손실 함수(Loss Function): 예측값과 실제 값(정답) 간의 차이를 계산해서 오차(loss)를 구한다.
4. 역전파(Backpropagation): 오차를 기반으로 가중치를 조정 하면서 네트워크를 학습
5. 반복 학습: 위의 과정을 여러 번 반복 하면서 모델을 점점 더 정확하게 만든다.