020. 머신러닝의 종류

사실 머신러닝의 종류에 대한 개념은 모르는 사람은 거의 없겠지만

제 복습용으로 한 번 읊고 지나가겠습니다.

머신러닝은 

• Supervised Learning(지도 학습) 
• Unsupervised Learning(비지도 학습)
• Reinforcement Learning(강화 학습)

크게 이 세 가지로 나뉩니다.

Supervised Learning은 label이 있는 학습 종류입니다. 

label이란 쉽게 이야기하면 문제의 답이고 지도 학습은 답이 있는 문제를 학습시키는 머신러닝의 한 종류입니다.

그리고 나머지 두 종류의 머신러닝과는 다르게 외부의 지도가 필요한 머신러닝 방법입니다.

지도 학습의 문제는 회귀(Regression)와 Classification(분류) 두 가지로 나뉩니다.

지도 학습 알고리즘은 

• Linear Regression
• Logistic Regression
• Support Vector Machines
• K Nearest Neighbors
• Decision Tree

등등이 있고 날씨 예측, 매출 예측, 주가 예측 등에서 사용됩니다.

 

Unsupervised Learning은 label이 없는 학습의 종류입니다.

비지도 학습은 데이터의 패턴과 경향을 파악해 문제의 답을 알아내는 것입니다.

label이 없으므로 지도 학습과 다른 종류의 문제(Clustering, Association)를 풀게 됩니다.

• K Means Clustering
• Hierarchiacal Clustering
• DBSCAN
• Principal Component Analysis

등등이 있고 고객 분류와 같은 데이터로 그룹을 나누는 문제를 해결합니다.

 

Reinforcement Learning은 별도의 agent와 environment를 조성해 행동에 대한 보상으로 학습하는 방법입니다.

시행착오를 통해 원하는 답을 찾아가는 머신러닝 방법입니다.

 

• Q-Learning
• SARSA
• Monte Carlo
• Deep Q Network

등등이 있고 로봇을 학습시키는 등의 작업에 사용됩니다.