기계학습(Machine Learning)

개념
- 인공 지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술

Ⅰ. 미래를 예측하는 기계학습, Machine Learning 의 개요

가. 기계학습(Machine Learning)의 정의

- 인공 지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야

- 주어진 데이터의 집합을 이용해서 데이터의 속성에 관한 정보를 추론하는 알고리즘

- 새로운 지식을 습득하면서 새로운 상황의 문제를 해결할 수 있는 프로그램

- 환경과의 상호작용에 기반한 경험적인 데이터로부터 스스로 성능을 향상시키는 
시스템을 연구하는 과학과 기술

Ⅱ. 기계학습 개념도

가. 기계학습 개념도

나. 기계학습 유형

지도 학습

(감독 학습)

- 원하는 결과가 표현된 학습데이터를 이용한 기계학습 방법

(신은마의다지베) 신경망, 은닉 마르코프 모델, 의사결정나무, 다층신경망, 지지벡터 머신, 베지언망, 분류(classification)

비지도 학습

(무감독 학습)

- 원하는 결과가 표현되지 않은 학습 데이터를 이용한 기계학습 방법

(K군/계자/주독) 군집화(clustering), K-means, 계층적 군집모델, 자기조직지도, 주성분 분석, 독립성분 분석

강화 학습

- 잘한 행동에 대해 칭찬받고 잘못된 행동에 대해 벌을 받는 경험을 통해 자신의 지식을 키워나가는 학습법

(보상과 처벌) 마코프, 마코프 보상, 마코프 디시즌

 

Ⅲ. 지도/비지도학습별 알고리즘 유형

가. 지도 학습

나. 비지도 학습

다. 강화학습

- 정해진 환경 안에서 정의된 에이전트가 현재의 상태를 인식, 선택 가능한 행동 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 기계학습 방법

- 강화학습 개념도

강화학습 모델

학습 모델

표기

설명

State

S

환경 상태 집합

Action

A

행동 집합

Reward

포상집합

Ⅳ. 기계학습 응용분야

댓글