머신러닝이란

수강일시: 2021.01.21

출처: 서울대학교 송현오 교수님 머신러닝 강의 SNU050 (kmooc)

 

www.kmooc.kr/courses/course-v1:SNUk+SNU050_011k+2020_T2/course/

강좌 | SNU050_011k | K-MOOC

 

machine learning is study of algorithms that learn from data x to output y

 

이러한 y를 찾는 다양한 알고리즘들이 존재하는데 이러한 머신러닝 알고리즘들의 기본적인 개념과 그 구분에 대해서 알아보고자 한다.

 

1.supervised learning

먼저 지도학습은 일정한 틀 내의 결과값을 학습시키고 새로운 데이터셋이 이를 맞추도록 하는 학습방법이다.

classification은 여러 class중 하나임을 알려주고 학습시켜 맞추는 방식이다. 

회귀는 x로부터 y를 찾는방식인데 최소제곱직선을 이용한 선형회귀등을 떠올리면 이해하기 쉽다.

sequence annotation은 순서에 관한 것으로 문자열의 순서쌍 태깅등의 문제가 있다.

prediction은 예측문제로 x에대한 y의 과거 움직임이 나타났을떄 새로운 y를 구하는 등의 방식이다.

 

지도학습의 대표적인 예인 classification

 

2.unsupervised learning

비지도학습은 이전 데이터를 이용해 분류된 학습이 아닌 자체 분류를 통해 학습한다.

clusturing은 비슷한 특징을 가진 데이터를 묶는 작업이다.

sequence analysis는 caual sequence를 발견하는과정이고

independent componenets/dictionary learning은 여러 묶음에서 개별 특징을 관찰하여 분류하는것이다, novelty detection은 특성이다른 하나를 떼어내는 것이다. 

mixture of voice에서 개별 voice를 구분해낸다

 

지도/비지도 학습으로의 분류 방법에 이어 다음 분류 방식은 environment와 interaction 여부로 구분하는 방식이다.

 

 

이중 강화학습에 대한 내용은 이전 인공지능 수업에서의 내용을 참고하면 된다.

reminder-by-kwan.tistory.com/74

강화학습이란

 

 

강화학습의 예로 로봇이 스스로 걷도록 하는 방식인데 넘어지거나 뒤로가면 value finction에 마이너스를 주고 앞으로가면 +를 주는 방식으로 학습시킨다.

 

 

 

다음으로는 discrimiative 방식과 generative한 방식이 있다.

discriminate한 방식은 p(y|x)를 직접 구하고 이로부터 결론을 내는데 그치는 반면

생성모델은 p를 이용해 데이터를 생성하고 모델의 성능을 높이는데 이용한다.