이번시간에는 머신러닝의 유형중 지도학습과 비지도학습 대해서 배워 보도록하겠습니다.
머신러닝 유형
지도학습 | 비지도학습 |
---|
답을 알려주고 학습 | 알아서 학습하도록 방법을 제시 후 학습 |
분류 | 군집화 |
회귀 | 차원 축소 |
추천 시스템 | 토픽 모델링,문서 군집화 |
시각/음성 감지/인지 | |
지도학습
- 분류 : 양성/음성 등과 같이 단일 값을 예측하는 것
- 회귀 : 분류와 비슷하고, 연속 값을 예측하는 것
- 추천 시스템 : A를 구매시 패턴을 파악후 B를 제시하는 것
비지도학습
- 군집화(클러스터링) : 여러 데이터를 데이터에 따라 구별하도록 학습
- 차원 축소 : 데이터를 함축된 의미를 찾아 종류를 나누어 학습
마스터 알고리즘책에서의 분류기준
- 기호주의 : 결정 트리 등
- 연결주의 : 신경망/딥러닝
- 유전 알고리즘
- 베이지안 통계
- 유추주의 : KNN,SVM(서포트 백터 머신)
단점
- 데이터에 너무 의존적(안 좋은 데이터로 학습시 안 좋은 모델 추출)
- 학습시에 최적의 결과를 도출하기 위해 수립된 머신러닝 모델은 실제 환경 데이터 적용 시
*과적합 되기 쉬움
- 복잡한 머신러닝 알고리즘으로 인해 도출된 결과에 대한 논리적인 이해가 어려움(머신러닝은 *블랙박스)
- 데이터만 집어 넣으면 자동으로 최적화 된 결과를 도출 하지 못함(특정 경우 개발자가 만든 코드보다 정확도가 떨어 질 수 있음)
- 끊임 없이 모델을 개선하기 위한 노력이 필요하기 때문에 데이터의 특성을 파악하고 최적의 알고리즘과 파라미터를 구성할 수 있는 능력이 필요
과적합이란
주어진 데이터 기반의 답은 잘 맞추나 새로운 데이터 입력시 예측에 실패하는 것
블랙박스란
결과 도출이 된 이유를 알려주지 않아 알 수 없음
오늘도 긴 글 읽느라 고생하셨습니다.
😁 power through to the end 😁
소중한 정보 잘 봤습니다!