[머신러닝] 머신러닝(Machine Learning)이란?

머신러닝$($Machine Learning$)$이란?

데이터를 기반으로 패턴을 학습하고 결과를 예측하는 알고리즘 기법이다.

 

머신러닝은 금융 서비스, 의료 서비스, 마케팅 등 다양한 분야에 적극적으로 활용될 수 있다.

---

 

인공지능과 머신러닝의 관계

출처: https://hyeonjiwon.github.io/machine%20learning/ML-1/

 

인공지능

인공지능은 인간의 지능을 모방한 컴퓨터 시스템으로, 학습, 추론, 인지 능력 등 인간의 지능적 행위를 구현할 수 있도록 하는 기술을 의미한다.

 

머신러닝    

머신러닝은 이러한 인공지능을 구현하기 위한 한 분야로, 데이터로부터 학습하고, 그 학습을 통해 패턴을 인식하며 결정을 내릴 수 있는 능력을 개발하는 과학이다.

 

딥러닝

딥러닝은 머신러닝의 한 분야로, 인공 신경망의 구조와 알고리즘을 기반으로 한다는 점에서 머신러닝의 다른 기법들과 구별된다.  딥러닝은 여러 층은 데이터로부터 점점 더 높은 수준의 추상화를 달성하며, 각 층은 이전 층의 출력을 입력으로 사용한다.

 

---

머신러닝 알고리즘의 유형

출처: https://hyeonjiwon.github.io/machine%20learning/ML-1/

 

머신러닝 알고리즘의 유형은 크게 지도학습, 비지도학습, 강화학습, 이렇게 세 가지로 분류할 수 있다.

 

 

1.지도 학습$($Supervised Learning$)$: 이 방법에서는 입력과 그에 해당하는 출력$($레이블$)$ 쌍이 제공된다. 모델은 이 데이터를 학습하여, 새로운 입력 데이터에 대한 정확한 출력을 예측하는 방법을 학습한다. 지도 학습의 예로는 분류$($Classification$)$와 회귀$($Regression$)$가 있다.

 

 

2. 비지도 학습$($Unsupervised Learning$)$: 이 방법에서는 출력 레이블 없이 입력 데이터만 제공된다. 모델은 데이터 내의 패턴, 구조, 관계를 스스로 찾아내야 한다. 비지도 학습의 예로는 클러스터링$($Clustering$)$과 차원 축소$($Dimensionality Reduction$)$가 있다.

 

 

3. 강화학습$($Reinforcement Learning$)$: 이 방법에서는 에이전트$($Agent$)$가 환경$($Environment$)$과 상호 작용하며, 시행착오$($Trial and Error$)$를 통해 목표를 달성하기 위한 최적의 전략 또는 정책$($Policy$)$을 학습한다. 강화 학습은 보상$($Reward$)$ 시스템을 통해 에이전트의 행동을 지도합니다.

 

 

참고 문헌

파이썬 머신러닝 완벽 가이드 - 예스24" target="_blank" title="파이썬 머신러닝 완벽 가이드" rel="noopener" data-mce-href="http://파이썬 머신러닝 완벽 가이드 - 예스24">http://파이썬 머신러닝 완벽 가이드 - 예스24

파이썬 머신러닝 완벽 가이드 - 예스24