[쉽게 배우는 AI] 7. 머신러닝의 분류

머신러닝은 다양한 분류 체계를 가지고 있는데요. 개발자는 이러한 머신러닝 시스템의 분류 체계를 이해하고, 적절한 방식을 선정하는 것이 중요합니다. 오늘은 머신러닝을 분류하는 방법을 살펴보겠습니다. 머신러닝 분류엔 크게 3가지 방법이 있는데 1) 지도 학습  2) 비지도 학습 3)강화 학습입니다.

먼저 지도 학습(Supervised Learning)은 문제에 대한 정답을 함께 학습시키는 방법입니다. 많은 양의 데이터를 학습시켜 비슷한 문제가 들어왔을 때, 알맞은 답을 내놓을 수 있게 만드는 것입니다.

다음으로 비지도 학습(Unsupervised Learning)은 별도의 정답 없이 많은 데이터를 주고, 컴퓨터가 비슷한 데이터들끼리 묶음, 집합을 만들 수 있게 하는 방법입니다. 그래서 새로운 문제가 들어왔을 때, ‘아! 이건 이 묶음인 것 같아!’라고 생각하고, 답을 내놓을 수 있는 것이죠.

마지막으로 강화 학습(Reinforcement Learning)은 지도학습과 비슷하지만 뉘앙스가 살짝 다릅니다. 정답을 알려주기보다는 컴퓨터가 어떤 답을 내놓았을 때 결과에 대한 점수를 입력해 주고, 알아서 더 높은 점수를 받게 하는 방법입니다. 우리가 게임을 할 때 더 큰 보상을 받기 위해 과정을 반복하는 것과 비슷합니다.

[쉽게 배우는 AI] 시리즈 보러 가기

1. 머신러닝이란?

2. 머신러닝 모델이란?

3. 데이터 산업과 직업

4. 표와 데이터 셋

5. 독립변수와 종속변수란?

6. 상관관계와 인과관계

7. 머신러닝의 분류

8. 지도학습이란?

9. 회귀 vs 분류

10. 비지도 학습의 군집화

11. 연관 규칙 학습이란?

12. 비지도 학습의 목적

13. 강화학습이란?

14. 머신러닝 수업을 마치며

<원문>

비전공자를 위한 AI 클래스 7화. 머신러닝의 분류

요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.