머신러닝 개념 및 종류

머신러닝의 정의

기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 알고리즘을 개발하는 연구분야 (아서 사무엘(Arthur L. Samuel, 1959년)

 

데이터로부터 유용한 규칙, 지식 표현 또는 판단 기준 등을 추출한다는 점에서 데이터 마이닝이나 통계 및 수학적 최적화 문제와 관련이 깊음

 

■ 학습(Learning)
–인간: 대부분의 사람들은 순식간에 인식
–컴퓨터: 각 숫자를 구분하는 법칙이나 알고리즘을 찾아야 함 (숫자를 나누는 기준 정립)

 

머신러닝의 종류

█ 지도학습(Supervised Learning)

• 목표변수(y)의 값이 존재하는 데이터를 학습하는 학습방법
• y를 예측하기 위한 모형 도출
• 대표적 분석 알고리즘:  Decision Tree, KNN, Linear Regression, Neural Network, Logistic Regression,Support Vector Machine(SVM)

█ 비지도학습(Unsupervised Learning)

• 목표변수(y)의 값이 존재하지 않는 데이터를 학습하는 학습방법
• 데이터 내에서 구조의 특징을 정의하기 위한 모형 도출
• 대표적인 분석 알고리즘: K-means, Neural Network, PCA