머신러닝 - 학습 데이터 속성

인공지능-머신러닝-딥러닝

머신러닝 작업은 학습 데이터의 속성에 따라 나뉜다

비지도 학습 (Unsupervised learning)

레이블 없는 데이터 (unlabeled data) 로 데이터의 구조나, 패턴을 찾고 데이터를 그룹화한다

지도 학습 (Supervised learning)

레이블 데이터 (labeled data) 를 사용
학습 목표는 입력과 결과를 매핑시키는 룰을 찾는 것
ex> 얼굴인식, 음성인식, 상품추천, 영화추천, 영업실적 전망

 1. 회귀 (regression)  
    연속적인 값을 학습하고 예측하는 것  
    집값 예측 등

2. 분류 (classification)  
    긍정/부정 같은 감성 분석이나 채무 불이행 예측 같은 레이블을 찾는 것

준지도 학습

학습단계에서 (소량의) 레이블데이터와 (대량의) 레이블이 없는 데이터를 사용
전체 데이터에 레이블링을 위해 많은 비용이 들 경우, 작은 dataset에 레이블을 붙이는 것이 더 실용적일 경우 이용

강화 학습

학습데이터가 피드백을 주고, 시스템이 목표를 달성하기 위해 능동적으로 조건에 적응하도록 한다
피드백을 바탕으로 성능을 평가하고 그에 따라 반응
ex> 자율주행차량, 알파고