ML의 간단한 개념 정리

본 포스팅은 유튜브 이수안컴퓨터연구소의 강의를 정리하여 만들었습니다.

https://www.youtube.com/watch?v=fVUinLbWBeQ&list=PL7ZVZgsnLwEF6iyCXbinHLm9nhokrPjdy&index=11

Machine Learning의 Learning은 Adaptation이나 Update라고 불리기도 한다.

머신러닝 학습 분류

지도학습(Supervised Learning)

• 입력과 결과가 레이블로 표시
• 입력과 출력에 매핑되는 일반적인 규칙을 학습

비지도학습(Unsupervised Learning)

• 원하는 출력 없이 입력데이터 사용
• 입력 데이터의 구조나 패턴을 찾는것이 목표

준지도학습(Semi-supervised Learning)

• 레이블이 있는것과 없는 것이 혼합된 경우 사용
• 일반적으로 일부 데이터에만 레이블이 있음
• 레이블이 있는건 지도학습, 없는건 비지도학습을 이용하여 적절하게 결합하는 형태가 많다.

강화학습(Reinforcement Learning)

• 동적 환경과 함께 상호작용
• 어떤 지도가 없이 일정한 목표를 수행

온라인 학습 vs 배치 학습

온라인 학습(Online Learning)

• 적은 데이터를 사용해 미니배치(mini-batch)단위로 점진적으로 학습
• 실시간 시스템이나 메모리 부족의 경우 사용

배치 학습(Batch Learning)

• 전체 데이터를 모두 사용해 오프라인에서 학습
• 컴퓨팅 자원이 풍부한 경우 사용

사례 기반 학습 vs 모델 기반 학습

사례 기반 학습(Instance-based Learning)

• 샘플을 기억하는 것이 훈련
• 예측을 위해 샘플 사이의 유사도 측정

모델 기반 학습( Model-based Learning)

• 샘플을 사용해 모델을 훈련
• 훈련된 모델을 사용해 예측

연역적 학습 vs 귀납적 학습

연역적 학습 (deductive learning)

• 연역적 추론을 통한 학습

귀납적 학습 (inductive learning)

• 사례들을 일반화 하여 패턴 또는 모델을 추출

• 일반적인 기계학습의 대상

• 학습 데이터를 잘 설명할 수 있는 패턴을 찾는 것

• 오컴의 면도날 : 가능하면 학습 결과를 간단한 형태로 표현하는 것이 좋다.