머신러닝(이론)

머신러닝(Machine Learning) : 기계를 학습한다.

 

1) 머신이란?

    인간이 제공한 데이터에 존재하는 관계를 표현할 수 있는 모델 (= 함수)

 

2) 학습이란?

    데이터를 가장 잘 표현할 수 있는 모델을 찾는 것 (= 모델의 파라미터 최적화)

 

3) 어떻게?

    통계적인 방법 혹은 경사하강법을 이용해 최적의 파라미터를 찾음

 

 

어떤 형태의 데이터가 머신에게 주어지는지에 따라 다음의 세부 분야들로 분류됨

             비지도 학습                                  지도학습                                  강화 학습

 

 

지도학습: 정답과 문제를 모두 알려주어 학습시키는 방법  -> 분류,예측

 

비지도 학습: 답을 알려주지않고 학습시키는 방법 -> 군집화, 연관규칙

 

강화 학습: 보상을 통해 상은 최대화 벌은 최소화하는 방향으로 행위를 강화하는 학습 -> 보상

 

지도학습

1. 회귀

• Linear and Nonlinear Regression - 선형 비선형
• Gradient Descent - 경사 하강
• Bias and Variance Trade-off - 편향 분

2. 분류

• Logistic and Softmax Regression - 함수들의 활용한 모델로 분류
• Support Vector Machine (SVM) 
• Decision Tree - 결정트리
• Linear Discriminant Analysis - 선형 판별 분석

3. 앙상블 학습

모델 여러개 학습 -> 예측 (평균)

• Bagging 
• Boosting

 

비지도 학습

1. 차원 축소 - 전처리

• principal Component Analy (PCA)
• Singular Value Decomposition (SVD)

2. 군집화 - 분류

• K-Means
• Mean Shift
• Gaussian Mixture Model
• DBSAN