1부 4.1 머신 러닝의 네 가지 분류

1부 딥러닝의 기초

4장 머신 러닝의 기본 요소

---

4.1 머신 러닝의 네 가지 분류

지도 학습

타깃에 입력 데이터를 매핑하는 방법을 학습 (이진 분류, 다중 분류, 스칼라 회귀, 문자 판독, 음성 인식, 이미지 분류, 언어 번역 등)

• 시퀀스 생성
  사진이 주어지면 이를 설명하는 캡션을 생성
  일련의 분류 문제로 재구성 가능
• 구문 트리 예측
  문장이 주어지면 분해된 구문 트리를 예측
• 물체 감지
  사진이 주어지면 사진 안의 특정 물체 주위에 경계 상자를 그림.
  분류 문제로 표현되거나, 경계 상자의 좌표를 벡터 회귀로 예측하는 회귀와 분류가 결합된 문제로 표현할 수 있음.
• 이미지 분할
  사진이 주어졌을 때 픽셀 단위로 특정 물체에 마스킹을 함.

비지도 학습

• 어떤 타깃도 사용하지 않고 입력 데이터에 대한 흥미로운 변환을 찾음. (차원 축소, 군집 등)
• 데이터 시각화, 데이터 압축, 데이터의 노이즈 제거, 데이터에 있는 상관관계를 더 잘 이해하기 위해 사용
• 데이터 분석에서 빼놓을 수 없는 요소이며, 종종 지도 학습 문제를 풀기 전에 데이터셋을 잘 이해하기 위해 필수적으로 거치는 단계

 

자기 지도 학습

지도 학습의 특별한 경우로 지도 학습이지만 사람이 만든 레이블을 사용하지 않음. (오토인코더-시간에 따른 지도 학습 등)

학습 과정에 사람이 개입하지 않으며 레이블을 경험적인 알고리즘을 사용해 입력 데이터로부터 생성함.

 

강화 학습

에이전트는 환경에 대한 정보를 받아 보상을 최대화하는 행동을 선택하도록 학습 (자율 주행 자동차, 자원 관리, 교육 등)