[머신러닝] 머신러닝의 분류

이 글은 이고잉님의 강의를 수강하고 작성한 글입니다.

머신러닝을 크게 분류하면 다음과 같다.

지도학습의 '지도'는 기계를 가르친다(supervised)의 의미이다.

마치 문제집을 푸는 것과 비슷하다.

문제집에는 문제가 있고, 정답이 있다.

문제와 정답을 비교하고 맞추다 보면 문제풀이에 익숙해지게 된다.

이후에 비슷한 문제를 만나면 오답에 빠질 확률은 점점 낮아진다.

문제집으로 학생을 가르치듯이 데이터로 컴퓨터를 학습시켜서 모델을 만드는 방식을 '지도학습'이라고 한다.

비지도학습은 지도학습에 포함되지 않는 방법들이다.

여기에 속하는 도구들은 대체로 기계에게 데이터에 대한 통찰력을 부여하는 것이라고 이야기할 수 있다.

'통찰'의 사전적 의미는 '예리한 관찰력으로 사물을 꿰뚫어 봄'이다.

즉, 누가 정답을 알려주지 않았는데도 무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것이라고 할 수 있다

데이터의 성격을 파악하거나 데이터를 잘 정리정돈 하는 것에 주로 사용된다.

강화학습은 학습을 통해서 능력을 향상시킨다는 점에서 지도학습이랑 비슷합니다.

차이점은 지도학습이 정답을 알려주는 문제집이 있는 것이라면, 강화학습은 어떻게 하는 것이 더 좋은 결과를 낼 수 있는지를 스스로 느끼면서 실력 향상을 위해서 노력하는 수련과 비슷합니다.

경험을 통해 "더 좋은 답"을 찾아가는 것입니다.

마치 게임 실력을 키우는 것처럼요.

게임에는 룰이 있고, 룰에 따라 어떤 행동을 하면, 그 결과에 따라서 상이나 벌을 받습니다.

더 큰 상을 받기 위한 과정을 끝없이 반복하다 보면 그 게임의 고수가 됩니다.

이런 과정을 기계에게 시켜서 기계 스스로가 고수로 성장하도록 고안된 방법이 강화학습이라고 할 수 있습니다.

정리!!

정답이 있는 문제를 해결하는 것은 무엇인가요?

->지도학습

무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것은 무엇인가요ㅛ?

->비지도 학습

더 좋은 보상을 받기 위해서 수련하는 것은 무엇인가요?

->강화학습