사람이 할 수는 있지만 시간과 에너지를 지나치게 많이 써야해서
비효율적인 일들을 기계에게 학습시켜 대신 하게 하면 어떨까?
머신러닝(machine learning)은 이렇게 시작되었다고 한다.
기계를 학습시키는데는 여러가지 방법이 있는데, 그 방법들에 대해서 하나하나 알아보자.
머신러닝의 분류
머신러닝은 아래와 같이 크게 세가지로 구분된다.
1. 지도학습
과거의 데이터를 가지고 학습하여 현재의 결과값을 추측할 때
1) 회귀
출력값이 숫자일 때 사용
예) 온도와 아이스아메리카노 판매량의 상관관계를 통한 판매량 추측
2) 분류
출력값이 문자 혹은 이름일 때 사용
예) 시험공부시간과 학점과의 상관관계를 통한 학점 추측
2. 비지도학습
과거의 데이터를 가지고 미지의 결과값을 추측할 때
1) 군집화(표의 행을 활용)
그룹을 만들어 결과값을 추측
예) 비슷한 위도와 경도에 거주하는 사람들을 그룹화할 때
2) 연관규칙학습(표의 열을 활용)
변수간의 연관관계를 파악하여 결과값을 추측(장바구니 학습)
예) 라면을 구매하면 계란도 구매할 확률이 높다는 관계를 추측에 활용할 때
반대로 계란을 구매하면 라면을 구매할 확률은 연관성이 많지 않을 수 있음. 방향성을 가짐.
3) 변환
데이터 형태를 바꿔서 원래 데이터보다 쉽게 해석할 수 있도록 만드는 것
예) 데이터셋을 2차원으로 변경하거나 이미지 데이터를 압축하는 경우
3. 강화학습
행동에 따른 보상이 주어지는 환경을 경험하여 학습
예) 유저가 게임을 하며 얻는 보상을 경험하여 스스로 판단하고 행동하는 것
상황에 따라 머신러닝의 방법들을 선택하여 기계를 학습시킬 수 있다.
판단이 어렵다면 아래의 플로우를 따라가보자.
