머신러닝 학습 시스템
머신러닝 학습 시스템
컴퓨터가 데이터를 통해 학습하여, 예측을 하거나 결정을 내리는 데 도움을 줄 수 있도록 하는 방법론과 알고리즘의 집합. 학습의 궁극적인 목표는 앞으로 주어질 새로운 데이터에 대해 이러한 예측이나 의사결정에 도움을 주는 성능을 최대화 하는 것이다.
머신러닝 학습 시스템의 유형
| 유형 | 원어 | 설명 |
|---|---|---|
| 지도학습 | supervised learning | - 학습 과정에서 데이터(입력값)과 그에 대한 목표 출력값(정답)이 함께 제공되는 형태 - 목표 출력값이 교사(supervisor)와 같이 학습의 방향을 지도한다 - 분류 및 회귀 문제에 적합한 방법 - 지도학습을 위해서는 목표 출력값이 필요하며, 목표 출력값을 레이블링 하는 데에는 비용이 발생할 수 있다. |
| 비지도학습 | unsupervised learning | - 학습 과정에서 목표 출력값 없이, 입력값만 주어지는 형태 - 군집화 문제에 적합 |
| 준지도학습 | semi-supervised learning | - 지도학습과 비지도학습을 섞어놓은 형태 - 지도학습에서 발생하는 비용을 최소화하는 방법 - 입력-출력 데이터 쌍이 있는 데이터들과, 입력값만 있는 데이터 모두를 학습에 활용한다 - 이러한 준지도 학습이 학습 정확도에서 상당히 좋음이 확인되었다. |
| 강화학습 | reinforcement learning | - 출력값에 대해 “좋다/나쁘다” “성공/실패”와 같은 교사 신호를 줌 - 이러한 교사 신호는 보상(reward)와 같은 것으로 보면 된다. - 교사 신호는 정확한 값이 아니고, 즉시 주어지는것이 아님 - 최근 들어 딥러닝에서 많이 사용되는 방법 |
| 약지도학습 | weakly supervised learning | - 부정확한 레이블도 부여해서 학습에 사용하는 방법 |
| 자기지도학습 | self supervised learning | - 학습 데이터에 레이블을 스스로 부여한 뒤 - 지도 또는 비지도 학습으로 실제 모델을 학습 - 최근 뛰어난 결과를 보여주고 있음 - 낮은 품질의 데이터로 학습해도 결과물의 품질을 높일 수 있음 - 인간이 사물을 분류하는 방법을 밀접하게 모방한 학습법 |