머신러닝의 종류

머신러닝에는 여러 가지 종류가 있지만, 크게 세가지로 나눌 수 있다.

 

종류	설명
교사 학습	데이터와 함게 답을 입력
	다른 데이터의 답을 예측
비교사 학습	데이터는 입력하지만 답은 입력하지 않는다.
	다른 데이터의 규칙성을 찾는다.
강화 학습	부분적으로 답을 입력
	데이터를 기반으로 최적의 답을 찾는다.

 

 

교사 학습(Supervised learning)이란?

훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다.

데이터와 답을 함께 줘서 학습시켜 머신러닝 모델을 구축하면 새로운 데이터를 줬을때 답을 예측할 수 있다.

 

 

비교사 학습(Unsupervised learning)이란?

최종적으로 내야하는 답이 정해져 있지 않다는 것이 교사 학습과 다른 부분이다. 사람 없이 컴퓨터가 스스로 답이 정해져 있지 않은 데이터에 대해 학습하는 것이다.

 

강화 학습(Reinforcement learning)이란?

현재 상태를 관찰해서 어떻게 대응해야 할지와 관련된 문제를 다룹니다. 강화 학습은 교사 학습과 비슷하지만 교사가 완전한 답을 제공하지 않는다는 것이 다릅니다.  즉, 강화 학습은 현재의 상태에서 어떤 행동을 취하는 것이 최적인지를 학습하는 것입니다.

행동을 취할 때마다 외부 환경에서 보상이 주어지는데, 이러한 보상을 최대화 하는 방향으로 학습이 진행된다.