[기계학습] Intro

기계학습이란?

• 컴퓨터가 데이터로부터 학습하여 원하는 결과를 얻을 수 있도록 하는 알고리즘이나 수학적 모델을 개발하는 인공지능의 한 분야
• 예를 들어 손글씨 인식을 학습시키고자 하는 경우
  • Task T: 손글씨 인식
  • Performance measure P: 오차율 혹은 정확도
  • Training experience E: 손글씨 데이터
  • P를 통해 T의 성능을 평가하고, 이를 E를 통해 원하는 수준까지 향상시키는 것이 목적
• 아래와 같은 블랙박스를 설계하는 과정이라고 볼 수 있음

  

 

기계학습의 종류

1. 지도 학습 (Supervised Learning)
   • 입력(input)과 출력(output)이 모두 주어진 문제. output을 target 혹은 label이라고도 함
   • 회귀 (Regression)

     

     
     
     • 연속된 형태로 분포하는 출력 (continuous output) 내에서 결과를 예측 \( y=f(x) \)
   • 분류 (Classification)

     

     • 분리된 형태로 분포하는 출력 (discrete output) 내에서 결과를 예측 (category)
2. 비지도 학습 (Unsupervised Learning)
   • 입력(input)만 주어지고 출력(output)은 주어지지 않은 문제. 즉 정답을 모르는 상황에서 다양한 기법을 적용하여 주어진 데이터 간의 관계나 특징을 파악해야 함
   • 군집화 (Clustering)

     

   • 밀도 추정 (Density Estimation)

     

   • 차원 축소 (Dimensionality Reduction)
3. 강화 학습 (Reinforcement Learning)
   • 행동(action)을 수행하고 얻은 전체 보상(reward)을 최대화하는 일련의 행동을 학습
4. 준지도 학습 (Semi-Supervised Learning)

 

AI & ML

위의 그림과 같이 기계학습은 인공지능의 한 분야이자 인공지능 실현을 위한 핵심이라고 볼 수 있음 (딥러닝은 이러한 기계학습의 주류 분야)

인공지능 접근 방식의 전환

• 초창기 인공지능은 '지식' 기반의 방식이 주류였음
  • 여기서 지식이란 일종의 규칙과 같은 것으로 숫자 8을 아래와 같이 정의했다고 가정해보자
  • "구멍이 2개이고 중간 부분이 홀쭉하며, 위와 아래가 둥근 모양이라면 8이다"
• 그러나 위와 비슷하게 단추를 "가운데 구멍이 몇 개 있는 물체"라고 정의하면 많은 오류가 발생하게 될 것
• 이를 해결하고자 인공지능은 지식 기반에서 '데이터' 기반의 접근 방식으로 전환되었음

 

References

• 오일석 - 기계학습
• 경희대학교 김휘용 교수님 - '기계학습' 강의 자료