Machine Learning (2)

 

 

 

Machine Learning Techinique에 대해서 알아보자.

 

1. Supervised Learning

 

2. Unsupervised Learning

 

3. Reinforcement Learning

 

 

1.

Learning with a Labled Training set.

지난 시간에 공부했던 방법이다.

Classfication(분류) : 딱 떨어지는 결과를 얻는다. 개와 고양이를 판단하는 문제에서는 개 or 고양이를 값으로 얻는다. 입력에 대한 class를 예측한다.

스팸 메일 분류, 이미지 인식 등이 있다.

 

Regression(회귀) : Labeling 이 Continuous하다. 주가가 900~999 사이에서 형성된다면 딱 떨어지는 결과 말고 900 선에서 결정된다 라고 표현하는것과 비슷하다. 출력값을 실수로 예측한다.

 

2. 

Label이 없이 학습을 진행한다.

Label 없이 데이터를 통해 데이터의 특징을 학습하고, 데이터를 그룹화한다. (Clustering)

Clustering : 비슷한 그룹의 데이터를 한 그룹으로 묶는다. 

 

Density estimation : 입력 값 없이 데이터의 분포를 결정한다.

 

Dimension reduction : 그룹화된 데이터들의 특징을 고려해 1차함수의 그래프 형식으로 데이터를 표현하는 등 차원을 낮추어 데이터를 표현한다.

 

3.

게임을 생각하자. 게임을 해서 피드백과 보상을 받고 그것들을 바탕을 어떻게 행동할 지 학습한다.

알파고도 Reinforcement Learning에 속한다.