머신러닝 종류

1. 지도 학습(Supervised Learning)

지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법으로, 지도 학습에서는 데이터와 정답을 입력(input)과 타깃(target)이라고 하고, 이 둘을 합쳐 훈련 데이터(training data)라고 부른다.

지도 학습의  종류로는 분류와 회귀가 있다.

 

1) 분류(Classification)

데이터가 어떤 그룹(label)에 속하는지를 예측하는 것

 

2) 회귀(Regression)

데이터의 정확한 값(실수)을 예측하는 것

 

지도 학습 알고리즘

• k-최근접 이웃 (k-nearest neighbors)
• 선형 회귀 (linear regression)
• 로지스틱 회귀 (logistic regression)
• 서포트 벡터 머신 (support vector machine)
• 결정 트리(decision tree)와 랜덤 포레스트(random forest)
• 신경망 (neural networks)

2. 비지도 학습(Unsupervised Learning)

지도 학습과 달리 훈련 데이터에 레이블이 없어 입력값에 대한 목표치가 주어지지 않는다.

 

비지도 학습 알고리즘

• 군집
  • k-means
  • DBSCAN
  • 계층 군집 분석 (HCA)
  • 이상치 탐지(outlier detection)와 특이치 탐지 (novelty detection)
  • one-class SVM
  • Isolation Forest
• 시각화와 차원 축소(dimensionality reduction)
  • 주성분 분석 (PCA principal component analysis)
  • 커널 PCA
  • 지역적 선형 임베딩 (locally - linear embedding)
  • t-SNE (t - distributed stochastic neighbor embedding)
• 연관 규칙 학습
  • Apriori
  • Eclat

3. 준지도 학습(Semi-Supervised Learning)

레이블이 표시된 데이터와 표시되지 않은 데이터 모두 훈련에 사용하는 것을 말한다.

대부분의 준지도 학습 알고리즘은 지도 학습과 비지도 학습의 조합으로 이루어져 있다. 예를 들면 심층 신뢰 신경망 (Deep Belief Netwokr)은 여러 겹으로 쌓은 RBM(restricted Boltzman machine)이라 불리는 비지도 학습에 기초한다. RBM이 비지도 학습 방식으로 순차적으로 훈련된 다음 전체 시스템이 지도 학습 방식으로 세밀하게 조정된다.

 

4. 강화 학습(Reinforcement Learning)

 행동심리학에서 영감을 받았으며, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 시간이 지나면서 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 대표적인 예로 딥마인드의 알파고(AlphaGo) 프로그램이 있다.