머신러닝 알고리즘 분류 (지도학습/비지도학습/강화학습)

머신러닝 알고리즘의 분류

머신러닝 알고리즘은 지도 학습과 비지도 학습으로 나뉜다. 그리고 번외로 강화 학습으로도 나뉘기도 한다.

지도 학습(supervised learning)

지도 학습 알고리즘은 입력(데이터)과 타깃(정답)으로 이루어진 훈련 데이터가 필요하다.

지도 학습에서 데이터와 정답을 입력(input)과 타깃(target)이라 하고, 이 둘을 합쳐 훈련 데이터(Training data)

이라 한다. 입력으로 사용되는 특성, 특징을 feature라고 한다.

지도학습은 정답(타깃)이 있으니 알고리즘이 정답을 맞히는 것을 학습한다.

예를 들어 여러 데이터에서 구분하는 분류 처럼 말이다.

비지도 학습 (unsupervised learning)

비지도 학습 알고리즘은 정답(타깃) 없이 입력 데이터만 사용한다.

비지도 학습 알고리즘은 정답을 사용하지 않기 때문에 무언가를 맞 힐 수가 없다.

대신 데이터를 잘 파악하거나 변형하는 데 도움을 준다. 입력 데이터를 사용하여 패턴이나 형태를 찾아간다.

번외: 강화 학습 (reinforcement learning)

강화 학습 알고리즘은 타깃이 아니라 알고리즘이 행동한 결과로 얻은 보상을 사용하여 학습한다.