[AI] Machine Learning (머신러닝) - 개념

https://youtu.be/qPMeuL2LIqY
위 링크의 유튜브 강의를 수강하여 정리하였다.

1. 머신러닝이란?

• 머신러닝은 기계가 특정 데이터를 입력으로 받아 학습하고, 학습된 데이터를 기반으로 판단하는 기술이다.
  
  

머신러닝은 training-sets(학습데이터)에 따라 다음과 같은 두 부류로 나뉜다.

1. Supervised learning : 특정 label을 가리키고 있는 데이터들을 학습시키는 머신러닝
   
   (ex. Image labeling, Email spam filter, Predicting exam score etc.)
2. Unsupervised learning : 특정 label을 가리키지 않지만, 유사한 데이터들끼리 그룹핑시켜주는 머신러닝
   
   

나는 강의를 따라서 Supervised learning만 다룰 것이다.

2. Supervised learning

머신러닝의 기본 컨셉은 위 사진과 같다.
ML으로 명명되어 있는 시스템 옆의 trainig-sets 데이터를 학습시킨다.
Supervised learning의 경우, trainig-sets 데이터는 일반적으로 x, y 형태로 labeling이 되어있다.(y : label)
그리고 학습이 완료되어 학습된 머신러닝에 training-sets x 데이터 형태로 입력할 경우,
머신러닝은 학습된 데이터를 기반으로 라벨(y)를 추정하여 출력시켜준다.

이에 대한 예시가 알파고이다.
알파고는 training-sets인 대량의 바둑경기 데이터를 학습받았고, 학습받은 바둑경기 데이터를 토대로하여 그 다음 최적의 수(y)를 판단하여 놓을 수 있다.

3. Types of supervised learning

A. Regression

: 학습 데이터를 기반으로 넓은 범위의 데이터중 하나를 추정하여 출력하는 방식이다. (ex. Predicting final exam score(범위 : 0~100))

B. Binary classification

: 두 가지 케이스로 나누어서 학습 데이터를 기반으로 입력데이터가 두 가지 케이스중 어떤 케이스인지 추정하는 방식이다.

C. Multi-label classification

: 세 가지 이상의 케이스로 나누어서 학습 데이터를 기반으로 입력데이터가 많은 케이스중 어떤 케이스인지 추정하는 방식이다.

앞으로 위 세 가지 유형을 하나씩 살펴볼 것이다.