5.tensorflow, 머신러닝에서 학습관련 세부 분야에 대해서 알아보자.

블로그 목적

• 머신러닝에서 학습관련 세부 분야가 무엇이 있는지 알아보자.

머신러닝에서 학습과정 분류

• 

  • 학습과정은 아래와 같이 크게 5가지로 나눌 수 있음.
    • 지도학습(supervised learning)
    • 비지도 학습(unsupervised learning)
    • 준지도 학습(semi-supervised learning)
    • 강화 학습(reinforcement learning)
    • 딥러닝(deep learning)

그럼, 지도 학습에 대해서 알아보자

• 지도학습이란?
  • 이미 알고 있는 예상 결과를 다루는 것을 말함.
    • 즉, 이미 정의되어 있는 데이터에서 무엇을 분석해야 하는지에 중점을 둠.
• 지도학습 알고리즘의 핵심
  • 입력데이터 / 결과 데이터를 모두 알고 있을 경우, 이를 서로 매핑시키는 것.
    • 다시말해서, 주어진 데이터에 대해서 연결고리를 만들어 주는 역할
  • 그리고, 나아가서는 새로운 데이터에 대한 결과를 예측하는데 활용됨.

그럼, 비지도 학습에 대해서 알아보자

• 비지도학습이란?
  • 학습알고리즘을 볼때, 구체적으로 무엇을 알아내려고 하는지 대상이 명확하지 않은 경우.
    • 즉, 대상이 불명확한 상태를 갖고 시작하는 분류작업에 해당됨.
  • 보통, 비지도 학습 or 비지도 분석이라고 말함.
• 비지도 학습 알고리즘의 핵심
  • 입력 데이터의 어트리뷰트와 결과 데이터의 어튜리뷰트 간의 관계를 매핑시켜 데이터에 숨겨진 구조를 파악하는 것
    • 그러나, 참고 및 주의 해야될 점은 어튜리뷰트가 사전에 정의되어 있지 않다는 것.
    • 즉, 해당 계열의 학습 알고리즘은 레이블이 없는 데이터 셋(unlabeled dataset)을 대상으로 동작함.

그럼, 준지도 학습에 대해서 알아보자

• 준지도 학습이란?
  • 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말함.
    • 다시말해서, 준지도학습의 특징은 모델의 학습이 훨씬 더 잘 이뤄질 수 있도록 레이블 데이터와 레이블이 없는 데이터를 모두 이용함.
  • 준지도 학습의 훈련데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있음.
  • 그리고, 준지도 학습은 인간이 학습하는 방식을 모티브로 해서 만들어짐.
• 준지도 학습의 주의할 점 
  • 레이블이 없는 데이터에 대한 적절한 가정을 세우는 것이 중요함.
    • 왜냐하면, 가정을 제대로 만들어 놓지 않을 경우 모델 자체가 완전히 무용지물이 될 수 있기때문에...

그럼, 강화학습에 대해서 알아보자

• 강화 학습이란?
  • 결과에 대한 보상을 최대화하는 데 초점이 맞춰져 있는 학습법
    • 즉, 어떤 행동에 대해 보상을 받는 경우를 떠올리면되는데, 
      • 예를 들면, T.hub 에 블로깅을 할때마다, 리워드와 상품권를 받고 집사님께서 댓글(?)을 달아주셔서 한마디 해주시는 방식이라고 보면됨.
        • 다시말해서!  결과에 대한 보상을 최대화하는 데 초점을 .... ^^;
        • 이를 보통, 크레딧 평가학습(credit assessment learning)이라고도 함.
• 강화 학습에서 중요한 점
  • 모델이 반복적으로 보상을 받을 수 있는 결정을 내릴 수 있게 하는 것.
    • 결과는 바로 나오지 않고 최종 결과를 얻기 위해서는 일련의 실행 단계를 거쳐야 함.
  • 해당 알고리즘은 가장 높은 보상과 유틸리티를 받을 수 있는 일련의 의사 결정에 대한 결과를 생성함.
• 강화 학습의 목표
  • 데이터를 탐색하고 익스플로잇해서 효과적으로 손익을 측정하는 것

마지막으로, 딥러닝에 대해서 알아보자

• 딥러닝이란?
  • 머신 러닝과 인공지능을 통합한 형태의 머신 러닝 분야라고 이해하면 됨.
    • 즉, 실질적인 통찰력을 억기 위해 대량의 데이터를 이용하는, 기존 보다 월씬 발전된 인공 신경망 기법이라고 할 수 있음.
• 주요 알고리즘
  • 심층 신경망(Deep Neural Network, DNN)
  • 합성곱 신경망(Convolutional Neural Network, CNN)
  • 순환 신경망(Recurrent Neural Network, RNN)
  • 제한 볼츠만 머신 (Restricted Boltzmann Machine, RBM)
  • 심층 신뢰 신경망 (Deep Belief Network, DBN)
  • 심층 Q-네트워크(Deep Q-Networks)

결론

• 머신러닝에서 학습과정은 아래와 같이 크게 5가지로 나눌 수 있음.
  • 지도학습(supervised learning)
  • 비지도 학습(unsupervised learning)
  • 준지도 학습(semi-supervised learning)
  • 강화 학습(reinforcement learning)
  • 딥러닝(deep learning)
• 오늘도 머신러닝에서의 학습과정에 대한 지식 한가지 획득완료! 감사합니다.

---