머신러닝이란 무엇인가? 머신러닝의 개요

 

 

 

머신러닝의 개요

 

 

머신러닝 (Machine Learning; ML) 이란 컴퓨터가 데이터를 반복적으로 학습한 것을 이용하여 데이터에 포함되어 있는 패턴(규칙)을 찾아내는 것입니다.

 

이러한 패턴을 모형화한 것을 학습 모형이라고 부릅니다.

 

머신러닝은 데이터를 이용하여 학습하기 때문에 데이터 값이 잘못 입력되면 제대로 학습이 되지 않습니다.

 

그 만큼 데이터의 질이 아주 중요하다는 의미입니다.

 

 

 

 

 

머신러닝 과정

 

 

1. 학습 데이터에서 특징값 추출

 

이미지, 음성, 영상, 자연어 등 머신 러닝에 이용되는 데이터는 굉장히 다양합니다.

 

특징값은 어떤 데이터가 갖는 특징이라고 보면 되는데, 예를 들어 이미지 데이터 같은 경우는 각 이미지의 RGB 값이 다르기 때문에 그 것을 이용하여 구분을 하는 것을 의미합니다.

 

언어 데이터는 문장이 어떤 단어로 구성되었는지, 출현 빈도가 어떻게 차이나는지를 비교하여 데이터의 특징을 알아 냅니다.

 

 

 

2. 패턴 찾아내기

 

추출한 특징값을 조합하여 패턴을 찾아내고 이 것을 모형으로 나타냅니다.

 

데이터 형식에 맞는 알고리즘을 사용해야 하는데 두 가지의 데이터 형식이 있습니다.

 

  - 지도 학습: 데이터와 그에 대한 정답 데이터가 짝을 이루는 형태

  - 비지도 학습: 데이터 자체만을 포함하고 있는 형태

 

 

 

 

 

앞으로 지도 학습 (supervised learning), 비지도 학습, 강화 학습 (reinforce learning) 에 대해서 알아보겠습니다.