[Machine Learning] Machine Learning?

우리는 챗 지피티, 제미나이 등 다양한 AI 도구를 볼 수 있습니다.

직접 찾아보지 않아도 무언가 궁금한게 있다면 사용자들에게 정리해서 알려주기도 하고, 필요한 코드를 작성해주기도 합니다.

 

머신러닝은 이러한 인공지능의 하위 개념으로, 컴퓨터가 명시적으로 프로그래밍 되지 않고도 학습할 수 있는 능력을 이야기 합니다. 데이터의 패턴을 스스로 학습해 예측값을 도출해 내는 것이죠.

 

머신러닝은 크게 지도학습[Supervised Learning], 비지도학습[Unsupervised Learning], 강화학습[Reinforce Learning]으로 나눌 수 있습니다.

 

지도학습은 정답이 있는 데이터를 활용해 데이터를 학습하는 방법으로, 모델에게 정답지를 준 후, 이를 바탕으로 일련의 패턴을 찾아 학습되지 않은 input에 대해 예상하는 output을 산출합니다.

 

크게 분류(classification)문제와 회귀(regression)문제가 있는데, 분류문제는 스팸메일인 것과 아닌것을 분류하는 것 처럼 주어진 데이터를 정해진 카테고리에 따라 분류하는 문제를, 회귀문제는 넓이, 방의 개수에 따라 집값을 예측하는 것과 같이 어떤 데이터들의 Feature(특성)을 기준으로, 연속된 값을 예측하는 문제를 이야기합니다. 

 

비지도학습은 지도학습과 달리 정답지를 주지 않습니다. 정답 레이블이 없는 데이터를 비슷한 특징끼리 군집화하여 새로운 데이터에 대한 결과를 예측합니다. 예를 들어 여러 과일의 사진이 있고, 이 사진이 어떤 과일의 사진인지 정답이 없는 데이터에 대해 색이나 모양 등에 대한 Feature을 토대로 그룹을 만듭니다. 이를 군비화라고 합니다.

 

강화학습은 모델에게 보상 또는 패널티를 주어 학습을 진행하는 방법을 말합니다. 강화학습의 특성에는

 

• Agent
• Environment
• State
• Reward
• Action

과 같은 특성들이 있는데, Agent는 현재 Environment에서 현재 State에서 높은 Reward를 얻는 방법을 찾아가며 Action합니다.