머신러닝의 분류

머신러닝은 사실은 하나의 단일 기술이 아닙니다 머신러닝 안에는 서로다른 목적을 가진 여러도구들이 있습니다.

위의 사진만 보면 막막 하다고 느낄겁니다 그럴때 사용하는 것이 비유입니다

비유를 통해서 머신러닝의 여러분야들과 가벼운 인사를 나누어 봅시다 단 한가지 분명히 해야하는것이 있습니다 비유는 비슷한 것일뿐 진실이 아닙니다. 이상태에서 계속 머물러 있으면 안됩니다. 비유를 진실로 대처하려는 노력을 하거나 진실이 아니라는 것을 항상기억하고 열린 마음을 유지하셔야합니다.

지도 학습은 supervised learning 여기서의 지도는 기계를 가르친다는 의미입니다 마치 문제집을 푸는것과 같습니다 문제집에는 문제가 있고 정답이 있습니다 문제와 정답을 비교하고 맞추다 보면 점점 문제를 푸는것에 익숙해집니다 이후에는 비슷한 문제를 만나면 오답에 빠질 확율이 점점 낮아집니다 문제집으로 학생을 가르치듯이 컴퓨터를 학습시켜서 모델을 만드는 방식을 지도 학습이라고 합니다.

비지도 학습은 지도학습에 포함되지 않는 방법들입니다 여기에 속하는 도구들은 대체로 기계에게 데이터에대한 통찰력을 부여하는것 이라고 이야기할 수있을것 같습니다. 즉 누가 정답을 알려주지 않았는데도 무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는것이라고 할수 있습니다 데이터의 성격을 파악하거나 데이터를 잘정리정돈을 하는것을 주로 사용됩니다.

강화학습은 학습을 통해서 능력을 향상시킨다는 점은 지도학습과 비슷합니다 차이점은 지도학습이 정답이 있는 문제집이 있는것 이라면 강화 학습은 어떻게 하면 더좋은 결과를 낼수 있는지를 스스로 느끼면서 실력향상을 위해 노력하는 수련과 비슷합니다 경험을 통해 더 좋은 결과를 찾아가는것입니다 마치 게임 실력을 키우는것처럼 게임에는 규칙이 있고 규칙에 따라 어떤 행동을 하면 결과에 따라 상이나 벌을 받습니다 더큰 상을 받기위한 과정을 계속 반복하다보면 그게임의 고수가 됩니다. 이런과정을 기계에게 시켜서 기계스스로가 고수로 성장하도록 고안된 방법이 강화학습이라고 할수 있습니다.