[머신러닝] 지도학습(Supervised Learing)/비지도 학습(Unsupervised Learing)/강화 학습(Reinforcement Learning) 정의

  지도학습(Supervised Learing)

컴퓨터에게 정답(Label)이 무엇인지 알려주면서 컴퓨터를 학습하는 방법이다.

지도학습은 분류(Classification)와 회기(Regresssion)로 나뉜다.

---

1) 분류(Classification)

주어진 데이터를 정해진 카테고리에 따라 분류하는 것을 의미한다.
분류는 예측하는 class의 가짓수에 따라 이진 분류(Binary classification) , 다중 분류(Multi-class classification) 로 나뉜다.

1. 이진 분류(Binary classification) : 예, 아니요와 같이 두 가지 class로 구분될 수 있는 분류
2. 다중 분류(Multi-class classification) : 여러가지 class로 구분될 수 있는 분류

▶ 분류 알고리즘

• K-최근접 이웃(KNN : K-Nearest Neighbors)
• 로지스틱 회귀(Logistic Regression)
• 의사결정나무(Decision Tree)
• 랜덤 포레스트(Random Forest)
• 서포트 벡터 머신(SVM : Support Vector Machine)
• 나이브 베이즈(Naive Bayes)

2) 회귀(Regression)

어떤 데이터들의 특징(Feature)을 기준으로 연속된 값을 예측하는 것을 의미한다.

▶ 회귀 알고리즘

• 선형 회귀(Linear Regression)
• 릿지 회귀(Ridge Regression)
• 라쏘 회귀(Lasso Regression)
• 엘라스틱넷 회귀(ElasticNet Regression)

---

  비지도 학습(Unsupervised Learing)

지도 학습과는 달리 정답(label)을 알려주지 않고 비슷한 데이터를 군집화하여 예측하는 학습방법이다.

지도학습에서의 적절한 특징(feature)을 찾아내기 위한 전처리 방법으로 사용되기도 한다.

---

▶ 비지도학습 알고리즘

• 군집화(Clustering)
• K-평균(K-means)

---

  강화 학습(Reinforcement Learning)

상과 벌이라는 보상(reward)을 주며 상을 최대화하고 벌을 최소화 하도록 학습하는 방식이다.

알파고도 강화학습으로 학습되었고, 주로 게임분야에서 최적의 동작을 찾는데 쓰이는 학습 방식이다.

---