[AI] 챕터02 - Machine Learning의 분류

자 오늘도 힘차게 공부해보자! 아주 간단하게 ML의 종류에 대해서 알아보자

---

공부할 챕터

챕터	주제	간단 설명
1	머신러닝이란 무엇인가	머신러닝의 정의, 동작 원리, AI와의 관계
2	머신러닝의 분류	지도학습, 비지도학습, 강화학습의 차이
3	데이터와 전처리	데이터가 왜 중요한가, 어떻게 다듬는가
4	특징(Feature)과 레이블(Label)	입력과 출력의 개념, 특징 추출
5	학습과 예측	모델 훈련(training), 예측(predict)의 의미
6	성능 평가	정확도, 정밀도, 재현율, F1 Score 등
7	대표 알고리즘 이해	회귀, 분류, 군집 등 알고리즘 소개
8	과적합과 일반화	학습을 너무 많이/적게 했을 때 문제
9	실습과 프로젝트	간단한 실전 예제, 모델 만들기

---

 

머신러닝 분류

분류	핵심 질문	예시	비유
지도학습 (Supervised Learnming)	정답을 보고 배우는가?	이메일이 스팸인지 아닌지	선생님이 답지를 보여주며 가르침
비지도학습 (Unsupervised Learning)	정답 없이 패턴을 찾는가?	고객을 그룹으로 나누기	혼자 문제 유형을 분류해 보는 연습
강화학습 (Reinforcement Learning)	행동 후 보상을 통해 학습하는가?	자율주행, 게임 플레이	게임처럼 시도하고 보상/벌점 받으며 학습

1. 지도학습 (Supervised Learning)

입력 데이터 + 정답을 주고 학습하는 방식, 학습된 모델은 새로운 입력에 대해 정답을 예측한다.

예시: 집의 면적 보면 가격을 예측할 수 있음(회귀), 사진을 보여주면 고양이 인지 강아지인지 구분한다(분류)

2. 비지도학습(Unsupervised Learning)

정답 없이 입력 데이터만으로 패턴이나 구조를 찾는 방법이다. 주로 군집화(Clustering), 차원 축소(Dimensionality reduction)에 사용된다.

예시: 마케팅 - 고객 구매 패턴을 기반으로 고객을 그룹화, 문서 분류 - 뉴스 기사들을 주제별로 나누기.

3. 강화학습

행동 -> 보상 -> 개선의 반복을 통해 최적의 전략을 학습한다. 에이전트가 환경에서 행동을 하며 보상 점수를 받는다.

예시: 게임 AI, 로봇 제어, 광고 추천 시스템(클릭 유도 -> 보상)

---

https://www.techplayon.com/machine-learning-supervised-unsupervised-reinforcement/

Machine Learning - Supervised, Unsupervised and Reinforcement

https://medium.com/@anabelenmanjavacas/supervised-unsupervised-and-reinforcement-learning-d0a19d016573

Supervised, Unsupervised, and Reinforcement Learning

 

 

 

** 그냥 하루하루 개인 공부한 것을 끄적 거리는 공간입니다.

이곳 저곳에서 구글링한 것과 강의 들은 내용이 정리가 되었습니다.

그림들은 그림밑에 출처표시를 해놓았습니다.

문제가 될시 말씀해주시면 해당 부분은 삭제 하도록하겠습니다. **