davidhyun/machine-learning-algorithm

Machine-Learning Study

Data Analysis Process

Machine Learning Concept

Machine Learning(기계 학습)은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록하는 알고리즘과 기술을 개발하는 분야를 말한다. (Wikipedia)

• 주어진 데이터를 통해서 입력변수와 출력변수간의 관계를 만드는 함수 f를 만드는 것

ML Algorithms

1. 지도 학습(Supervised Learning)

• 학습 데이터마다 레이블(정답)을 가지고 있음

• 출력변수 Y와 입력변수 X 사이의 관계에 대해 모델링을 하는 것

1.1 회귀(Regression)

• 출력변수 Y가 연속형(Continuous)인 경우에 회귀 모델링

• 최적의 회귀 모델을 만든다는 것은 전체 데이터의 잔차의 합이 최소가 되는 모델을 만드는 것

1.2 분류(Classification)

• 출력변수가 이산형(Discrete)인 경우에 분류 모델링

2. 비지도 학습(Unsupervised Learning)

• 학습 데이터에 레이블(정답)이 없음

• 입력만 있고 출력은 없는 상태에서 이루어지는 학습

• 데이터에 내재되어있는 고유의 특징을 탐색

2.1 군집(Clustering)

• 유사한 데이터끼리 그룹화

2.2 주성분분석(PCA)

• 독립변수들의 차원을 축소화

3. 강화 학습(Reinforcement Learning)

• 최종 출력(정답)이 바로 주어지지 않고, 시간이 지나서 주어지는 경우에 적합한 학습 알고리즘

• Ex) 바둑: 승/패의 결과가 바둑기사의 한수에 주어지지 않고, 시간이 지난 후에 주어짐. 바둑기사는 매 순간 바둑판의 상황을 읽고 어떤 수를 두어야할지 고민한다.

• 어떤 Action이 최종 출력에 영향을 주었는지 불명확한 문제에 사용된다.

• 매 순간 어떤 Action을 선택할지 판단하고, 상황(state)에 대한 평가가 이루어져야 한다.

Q-learning

• 수 많은 시뮬레이션을 통해 현재의 성택이 먼 미래에 보상이 최대가 되도록 학습 (ex. AlphaGo)

• Agent가 action을 취하고 환경에서 보상을 받고 이 보상이 최대가 되도록 최적의 action을 취하는 방법을 학습