Machine Learning 소개

1. Machine Learning(기계학습) 이란?

프로그램이 작성되지 않아도 컴퓨터가 스스로 학습할 수 있는 능력을 제공하는 학문  - Arthur Samuel

---

2. 기계학습에 대한 문제를 해결하는 방법

● Supervised Learning(지도 학습) 

개발자가 컴퓨터에게 무엇인가를 수행하라고 학습시키는 것을 의미한다. 다시 말해, 특정 input에 대해 정답(label)의 output이 있는 dataset이 주어지는 경우이다. 예를 들어, 하단의 Housing price prediction 에서 집 넓이(input, 가로축)에 대한 가격(output, 세로축)이 주어져있다. Supervised Learning은 input들을 기반으로 학습하여 새로운 집에 대한 가격을 알아내는 알고리즘을 개발하고 가격을 제시한다. 

 

 

Coursera 강의자료 일부

 

---

◎ Supervised Learning의 세부 분류

1) Regression(회귀분석) : Continuous한 값을 찾는 것 

 앞서 살펴본 Housing price prediction 예시를 토대로 Regression을 알아보자. 집 넓이(input, 가로축)에 대응하는 가격(output, 세로축)을 찾는 과정이 Regression 이다. 해당 예시에서도 확인할 수 있듯이 Regression의 output은 continuous 값을 가진다.

 

 

2) Classification(분류) : Input에 대응하는 Output을 분석하여 Discrete 값을 찾는 것

 Classification의 목적은 주어진 input 변수가 어느 discrete(이산적인) category에 속하는지 찾아내는 것이다. 예를 들면, 하단의 그래프는 종양이 악성인지 양성인지를 진단한 결과이다. 만약 우리가 종양 사이즈 4~5 사이의 크기가 악성인지 양성인지를 구한다고 가정할 때, 우리가 원하는 결과도 악성 또는 양성으로, 이산적인 값으로 표현이 된다. 이것이 바로 Classification이다.

 

 

Coursera 강의자료 일부

 

 

그런데 이렇게 종양 크기만으로 진단을 내리기에는 부족할 수 있다. 같은 크기의 종양이라도 나이가 많으면 더 위험할 수 있기 때문이다. 따라서 종양 크기 뿐만 아니라 환자의 나이 역시 input으로 활용하여 보다 복합적인 판단을 내릴 수도 있다. 하단 그래프에서 빨간색의 x는 악성인지를 나타내고, 파란색 o는 양성인지를 나타내며, Learning Algorithm(학습 알고리즘)은 하나의 직선을 그어 악성과 양성을 구분하며 특정 위치의 종양은 양성일 확률이 높음을 판단할 수 있게 해준다. 

 

---

● Unsupervised Learning(비지도 학습)

특정 입력(input)에 대하여 정답(label)의 output을 가지고 있지 않은 dataset이 주어지는 경우의 학습을 의미한다.

다시 말해, Unsupervised Learning은 Supervised Learning과 다르게 정답(label)의 output이 주어지지 않기 때문에, 잘못된 Prediction Result에 대해서 Feedback을 받고 교정을 할 수 없다. 하단의 그림은 1개의 데이터 집합이 2개의 cluster로 구성된다고 판단을 하고, 1개의 데이터 집합을 2개의 cluster로 분리를 하게 된다(Clustering Algorithm). 이러한 알고리즘은 페이스북에서 특정 집단의 사람들을 그룹화하거나, 미국 경제에 관한 논문 1000개를 가져다가 자동으로 이 논문들을 비슷한 것끼리 묶을 수 있다.

 

※ Clustering : 비슷한 것끼리 묶는 것

 

Coursera 강의자료 일부

 

---

● Reinforcement Learning(강화 학습)

● Recommender System(추천 시스템)

 

 

출처 : https://wikidocs.net/4209

위키독스

https://www.coursera.org/learn/machine-learning/home/welcome

Coursera | Online Courses From Top Universities. Join for Free