머신러닝 지도학습 비지도 학습 딥러닝 강화학습 차이점 아직도 모름?

 

 

1. 머신러닝

머신러닝은 경험을 통해 자동으로 알고리즘을 개선해서 유의미한 결과값을 도출해내는 컴퓨팅 기술이다. 머신러닝은 다양한 인공지능 분야 중 하나로 분류된다. 머신러닝의 학문적 정의는 "기계가 코드로 명시하지 않은 동작을 데이터로 부터 학습하여 실행할 수 있도록 하는 알고리즘 개발을 연구하는 분야"다.

 

머신러닝은 크게 기계학습 분야와 데이터마이닝 분야로 구분된다. 기계학습이란 훈련데이터를 통해 학습된 알려진 속성을 기반을 주어지지 않은 예측값을 계산해낸다. 데이터마이닝은 데이터의 발견되지 않은 속성을 발견하는데 집중한다.  방대한 양의 데이터베이스에서 특징량을 추출해낸다. 머신러닝의 알고리즘은 지도학습, 비지도학습, 강화학습, 그리고 딥러닝으로 구분된다. 

 

2. 지도학습  VS 비지도 학습

지도학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계학습이다. 훈련 데이터로부터 하나의 함수가 유추되면 함수에 대한 평가를 통해 파라미터를 최적해나간다. 지도학습의 알고리즘 종류는 SVM(서포트 벡터 머신), 마르코프 모델, 회귀분석, 신경망, 나이브 베이즈 분류 등이 포함된다. 비지도학습은 기계학습의 한 종류이며, 데이터의 구성을 파악하는데 사용된다. 비지도학습은 입력값에 대한 목표치가 주어지지 않는다. 비지도학습의 종류로는 밀도추정, 클러스터링이 포함된다.

 

3. 강화학습

강화학습은 행동심리학에서 유래한 기계학습 방법이다. 특정 환경을 정의하고, 이 안에서 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 강화학습에서 환경을 정의하는 알고리즘은 주로 마르코프 결정 과정(MDP)을 사용한다. 강화학습은 지도학습과 다르게 입출력쌍으로 구성된 훈련 데이터셋을 제공하지 않는다. 강화학습의 대표적인 예로는 딥마인드 사의 알파고다. '바둑'이라는 제한된 환경 내에서 최대의 보상을 찾는 알고리즘인 것이다. 이 외에도 로봇 제어, 엘리베이터, 스케줄링, 통신망 등에서 사용된다.

 

4. 딥러닝

딥러닝은 심층학습이라고도 불린다. 여러 기계학습 알고리즘을 합친 형태이며, 사람의 사고방식을 모방하여 컴퓨터에게 학습을 진행하는 방법이다. 딥러닝은 1989년에 등장한 기술이며, 이 후 과적합문제, 기울기 소실 문제 등을 해결하면서 현재의 딥러닝 기술까지 발전한 형태다. 인간의 뇌와 유사하게 뉴런과 시냅스의 구조를 모방한 인공신경망(Artificial Neural Network)를 만들어, 다양한 신경망을 중첩하여 예측 정확도를 높이는 기계학습 형태다. 

 

딥러닝에는 다양한 알고리즘이 개발된 상태다. 딥러닝의 기본 구조는 입력층, 은닉층, 출력층으로 구성된다. 입력층에서 데이터셋을 입력한 후, 층을 거듭하면서 예측값과 실제값의 오차를 줄여나간다. 심층신경망(Deep Neural Network, DNN)은 입력층과 출력층 사이에 여러개의 은닉층으로 이뤄진 인공신경망이다. 오류역전파 알고리즘, 경사 하강법을 통해 오차를 줄여나가고, 모델의 정확도를 향상시킨다. 합성곱신경망(Convolution Neural Network, CNN)은 최소한의 데이터 전처리를 위해 설계된 다층 퍼셉트론이다. 마스크를 사용하여 2차원 데이터를 처리할 수 있고, 이미지 인식과 영상 분석에 활용된다. 순환 신경망(Recurrent Neural Network, RNN)은 인공신경망을 구성하는 층에서 직접적인 순환구조를 만들어낸다. LSTM을 사용해서 신경망 내부에서 메모리를 활용하여 입력값을 기억하고 이를 통해 보다 진보된 데이터를 다음층으로 넘길 수 있는 알고리즘이다. 

 

 

더 읽을거리

 

딥러닝 머신러닝 차이, 머신러닝 딥러닝

 

딥러닝 CNN 컨볼루션 신경망 10분만에 이해하기

 

딥러닝 순환 신경망 RNN 10분 만에 이해하기