티스토리 뷰
1. 머신러닝(Machine Learning)의 정의
톰 미첼(카네기멜론 대학교)의 정의
"A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E"
만약 컴퓨터 프로그램이 태스크 T를 수행할 때 경험 E로부터 성능 P만큼 개선되었다면 그 컴퓨터 프로그램은 태스크 T와 성능 P에 대해 경험 E에 대한 학습을 했다고 할 수 있다.
(필기체를 보고 글자를 인식하는 머신러닝 프로그래밍을 한다고 가정한다면)
태스크 T: 필기체를 인식하고 글자로 분류하는 것
성능 P: 필기체를 정확히 구분할 확률
학습 경험 E: 필기체와 정확한 글자를 표시한 데이터 세트
아서 사무엘
기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야
2. 데이터 마이닝과의 차이점
데이터 마이닝 : 데이터를 분석하여 데이터에 나타난 현상 및 특성을 발견
머신 러닝 : 기존 데이터를 컴퓨터가 학습하여 새로운 데이터에 대한 예측값을 알아내는 것
3. 머신러닝의 분류
지도 학습
사람이 미리 학습 데이터에 각각 레이블을 부여하고, 컴퓨터가 정해준 레이블 분류로 데이터를 구분한다.
사람이 데이터 레이블에 대해 미리 정의하여 알려주기 때문에 지도학습이라고 한다.
종류 :분류(KNN, 서포트 벡터 머신, 의사결정 트리), 예측(회귀)
비지도 학습
사람이 미리 정해놓은 데이터레이블 없이 데이터 학습을 하는 방법이다.
컴퓨터가 스스로 데이터의 특징을 분석하여 문제를 푼다.
종류: 군집화, 분포 추정
강화 학습
현재의 상태에서 어떤 행동을 하는 것이 최적인지 학습하는 것이다.
행동을 취할때 항상 보상이 이루어 지는데, 보상을 최대화 하는 방향으로 이루어진다.