Introduction to ML

머신러닝의 간단한 서론에 대해 정리하겠습니다. 

 

 

- DNN (Deep Neural Network) 의 발전

• RBM ( Restricted Boltzmann Machine ) algorithm ( by Hinton ) -> "DNN learning"

 

- Learning Algorithms

 

• Supervised Learning (Labelled)
• Unsupervised Learning(Unlabelled)
• Reinforcement Learning

 

cf. Semi-Supervised Learning , Self-Supervised Learning

(이것들은 추후에 자세히 다루도록 하겠습니다!)

 

 

- Task

• Supervised Learning : Classification , Regression
• Unsupervised Learning : Clustering -> Knowledge Discovery

 

 

- GAN (Generative Adversial Network)

•  기계학습에 의해 데이터를 생성하는 대표적인 모델
•  GAN 의 기본적인 구조 : Discriminative model by supervised learning  + Generative model by unsupervised learning

 

기계학습의 다양한 알고리즘

 

- 중요 포인트 정리

 

•  Supervised Learning (지도학습) : 학습패턴이 입력과 원하는 출력 쌍을 이루어서 주어지면 (Labelled) , 입력 x 에서 출력 y  로 보내는 함수를 학습한다. 

 

• 이때 x 는 입력성분 혹은 특징 , y 가 class 정보인경우 분류의 기능 , y 가 실수에 해당하면 회귀의 기능을 수행한다.

 

•  지도학습의 학습 방법 : 모델의 출력과 원하는 출력 사이의 거리를 측정하는 오차함수 (Loss Function) 를 정의하고 그 오차함수가 최소가 되도록 파라미터를 계속해서 조정하는 방식으로 학습이 진행된다.  이때 대표적인 파라미터의 업데이트 방법은 SGD 이다.

 

• Active Learning (능동학습) : 데이터의 모든 값에 대해 Label 을 부여하는것이 아니라 작은 수의 출력 표시된 y 만을 활용하여 지도학습하는 방법

 

• Semi-Supervised Learning (준지도학습) : 소수의 Labelled data 와 다수의 Unlabelled data 를 사용하여 학습하는 방법
• Unsupervised Learning (비지도학습) : 학습패턴으로부터 데이터의 특징패턴을 찾아내는 방법.

 

• 이는 데이터의 Label 이 없기때문에 어떤 형태의 패턴을 찾아내는지 혹은 입력 x 에 대한 목표 출력은 정해지지 않았기 때문에 명확하게 정의된 문제가 아니다.

 

• 비지도학습의 목표 : 입력에 대하여 출력되는 데이터의 성질 혹은 특성을 정하고 , 그러한 특성을 지닌 출력이 나타나도록 비지도학습 모델의 파라미터를 조정한다.

 

 

- 출처

• Geeks for Geeks: Supervised and Unsupervised learning

출처: https://deepinsight.tistory.com/135 [Steve-Lee's Deep Insight:티스토리]