02_빅데이터 기술 및 제도(8) - 기계학습의 종류

④ 기계학습의 종류

종류	내용
지도 학습(Supervised Learning)	● 학습 데이터로부터 하나의 함수를 유추해내기 위한 방법이다. ー 학습 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. ー 유추된 함수 중 연속적인 값을 출력하는 것을 회귀분석이라 한다. ー 주어진 입력 벡터가 어떤 종류의 값인지 표시하는 것을 분류라 한다. ● 지도 학습기(Supervised Learner)가 하는 작업은 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해 내는 것이다. ー 학습기는 알맞은 방법을 통하여 기존의 훈련 데이터로부터 나타나지 않던 상황까지도 일반화하여 처리할 수 있어야 한다.
비지도 학습(Unsupervised Learning)	● 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. ● 지도학습 혹은 강화학습과는 달리 입력값에 대한 목표치가 주어지지 않는다. ● 통계의 밀도 추정(Density Estimation)과 깊은 연관이 있으며, 데이터의 주요 특징을 요약하고 설명할 수 있다. ● 군집화, 독립성분분석(Independent Component Analysis) 방법 등이 있다.
준지도 학습(Semi-supervised Learning)	● 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 학습에 사용하는 것을 말한다. ー 대개의 경우 이러한 방법에 사용되는 학습 데이터는 목표값이 표시된 데이터 보다 표시되지 않은 데이터를 많이 갖고 있다. ー  목표값이 충분히 표시된 학습 데이터를 사용하는 지도학습과 목표값이 표시되지 않은 학습 데이터를 사용하는 비지도학습 사이에 위치한다. ● 많은 기계학습 연구자들이 목표값이 없는 데이터에 적은 양의 목표값을 포함한 데이터를 사용할 경우 학습 정확도에 있어서 상당히 좋아짐을 확인하였다. ● 두 개 이상의 학습기 각각이 예제를 통해 훈련되는 상호훈련 방법 등이 있다.
강화 학습(Reinforcement Learning)	● 행동심리학에서 영감을 받았으며, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 순서를 선택하는 방법이다. ー 운용과학, 제어이론에서 강화학습은 '근사 동적 계획법'이라 부르는 분야에서 연구된다. ー 경제학, 게임이론 분야에서 강화학습은 어떻게 제한된 합리성하에서 평형이 일어날 수 있는지를 설명하는 데에 사용되기도 한다. ● 강화학습의 초점은 학습과정(on-line)에서의 성능이며, 이는 탐색(exploration)과 이용(exploitation)의 균형을 맞춤으로써 제고된다. ー 탐색과 이용의 균형 문제는 강화학습에서 가장 많이 연구된 문제로, 다중슬롯머신 문제(multi-armed bandit problem)와 유한한 마르코프 결정과정 등에서 연구되었다.

 

 

⑤ 기계학습 방법에 따른 인공지능 응용분야

학습 종류	방법	응용 영역
지도학습	분류모형	● 이미지 인식 ● 음성 인식 ● 신용평가 및 사기검출 ● 불량예측 및 원인발굴
	회귀모형	● 시세/가격/주가 예측 ● 강우량 예측 등
비지도학습	군집분석	● 텍스트 토픽 분석  ● 고객 세그멘테이션
	오토인코더 (AutoEncoder)	● 이상 징후 탐지 ● 노이즈 제거 ● 텍스트 벡터화
	생성적 적대 신경망 (Generative Adversarial Network)	● 시뮬레이션 데이터 생성 ● 누락 데이터 생성 ● 패션 데이터 생성 등
강화학습	강화학습	● 게임 플레이어 생성 ● 로봇 학습 알고리즘 ● 공급망 최적화 등