머신러닝 정의와 분류

딥러닝/Today I learned :

주영 🐱 2021. 6. 4. 15:59

728x90

▷ 머신러닝은 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야다.

▷ 어떤 작업 T에 대한 프로그램의 성능을 P로 측정했을 때 경험 E로 인해 성능이 향상됐다면,

이 프로그램은 T와 P에 대해 E로 학습한 것이다.

스팸 필터 - 스팸메일 구분 머신러닝 프로그램

시스템이 학습하는데 사용하는 샘플 = 훈련세트 training set

각 훈련 데이터 = training instance | 샘플

이 경우 작업T = 새 메일이 스팬인지 구분하는 것

경험 E = 훈련데이터

성능 측정P는 직접 정의해야 한다. (ex - 정확히 분류된 메일의 비율) = 정확도 accuracy , 분류 작업에 사용된다.

머신러닝은 다음 분야에 뛰어나다 :

기존 솔루션으로는 많은 수동 조정과 규칙이 필요한 문제 : 하나의 머신러닝 모델이 코드를 간단하게 만들고 전통적인 방법보다 더 잘 수행되도록 할 수 있다.
전통적인 방법으로는 해결 방법이 없는 복잡한 문제 : 가장 뛰어난 머신러닝 기법으로 해결 방법을 찾을 수 있다
유동적인 환경 : 새로운 데이터에 적응할 수 있다
복잡한 문제와 대량의 데이터에서 인사이트 얻기

구체적인 머신러닝 작업의 사례 :

생산 라인에서 제품 이미지를 분석해 자동으로 분류하기 :이미지 분류, CNN 사용
뇌 스캔하여 종양 진단하기 : 시맨틱 분할 작업,CNN으로 이미지의 각 픽셀 분류
뉴스 기사 자동 분류 : 자연어 처리 (NLP), 텍스트 분류 작업. RNN,CNN,트랜스포머로 해결
토론 포럼에서 부정적 코멘트 자동으로 구분 : NLP
긴 문서 자동 요약 : NLP
챗봇 : NLU , NLP 컴포넌트
다양한 성능 지표 기반으로 회사의 내년도 수익 예측하기 : 회귀 모델 사용
음성 명령에 반응하는 앱 : RNN, CNN 트랜스포머
신용카드 부정거래 감지 : 이상치 탐지 작업
구매 이력을 기반으로 고객을 나누고 각 집합에 맞는 마케팅 전략 : 군집 작업
복잡한 데이터셋을 명확한 그래프로 표현하기 : 데이터 시각화 , 차원 축소 기법
과거 구매 이력을 기반으로 고객이 관심을 가질 수 있는 상품 추천 : 과거 구매 이력을 인공 신경망에 주입하고 다음에 구매할 가능성이 가장 높은 상품 출력
지능형 게임 봇bot : 보통 강화학습RL ,ex 알파고

머신러닝 시스템의 종류

학습하는 동안의 감독 형태나 정보량에 따라

지도학습, 비지도학습, 준지도 학습, 강화학습

지도 학습 supervised learning

알고리즘에 주입하는 훈련 데이터에 레이블이라는 원하는 답이 포함된다

- 분류(ex 스팸필터)

- 회귀 (예측변수라 부르는 특성,속성(주행거리, 연식, 브랜드..)들을 이용해 중고차 가격같은 타겟 수치를 예측)

- 일부 회귀 알고리즘은 분류에 사용 혹은 그 반대 (로지스틱 회귀는 분류에 사용 - 클래스에 속할 확률을 출력한다.)

중요한 지도학습 알고리즘 :

비지도 학습 unsupervised learning

알고리즘에 주입하는 훈련 데이터에 레이블이 없음. 알아서 학습

중요한 비지도학습 알고리즘 :

준지도 학습 semisupervised learning

일부만 레이블이 있는 데이터를 다루는 알고리즘

지도+비지도 학습

강화 학습 reinforcement learning

매우 다른 종류의 알고리즘

학습하는 시스템 = 에이전트 , 환경을 관찰해 행동을 실행하고 그 결과로 보상 혹은 패널티를 받는다

시간이 지나면서 최상의 전략인 정책을 스스로 학습한다,

정책은 상황 속 에이전트가 어떤 행동을 선택해야할지를 정의한다.

(보행 로봇 만들기 ,알파고)