머신러닝의 종류

머신러닝에는 크게 3가지의 종류로 분류를 할수가 있다.

Supervised Learning(지도 학습), Unsupervised Learning(비지도 학습), Reinforcement Learning(강화 학습).

지도학습:

지도학습은 학습 데이터에 라벨을 붙여서 이를 머신러닝 알고리즘에 넣어 학습을 시킨다.

학습이 완료된다면 모델에 새로운 데이터를 입력하여 예측값을 받아낼수가 있다.

지도학습은 Classification(분류)와 Regression(회귀)를 하는데 사용이 되기도 한다.

비지도학습:

비지도학습은 지도학습과는 달리 label이 주어지지 않는다. 학습 모델이 알아서 특징,패턴, 형태를 추출을 해야한다.

그래서 비지도학습은 주로 군집화(Clustering)과 Dimensionality Reduction(차원 축소)에 사용이 된다.

 

 

강화학습:

강화학습은 지도,비지도학습처럼 고정되어있는 데이터셋에 의존하지 않고 역동적인 환경에서 동작을 하여 수집된 경험으로부터 피드백을 받아서 자체적으로 학습을 해 나간다.

그림에서 볼수 있듯이 환경에서 어떤 State(상태)에서 강화학습 모델은 특정 Action을 취하고 이에 대하여 어떤 형식의 Reward를 받는다. 점점 더 많은 보상을 위해서 모델은 Action을 변화시키고 이를 통해서 학습을 할수가 있다.

 

-머신러닝 파이프라인

일반적으로 머신러닝에서는  Raw Data에서 전처리를 통해서 충분한 Dataset을 나누어서 평가 데이터셋, 학습 데이터셋으로 나누어 학습 알고리즘에 이를 학습시키고 평가 데이터셋을 통해서 최종모델을 평가한다. 이후에는 완전히 새로운 데이터를 통해서 예측을 한다.