Data analysis using python_D1. 6th of Sep, Mon.

● Ch01. Intro-02.머신 러닝이란.

전통적인 프로그래밍은 프로그래머가 빨간원(함수부분)을 만든다.

머신러닝은 인풋과 아웃풋을 던져주면 중간의 함수를 만든다. 내 생각엔 역발상이라고 말하고 싶다. 이것을 Supervised Learning이라고 한다.

1. Supervised Learning(지도학습)

답(y값, 종속변수)을 알고 있을때 사용하면 좋은 머신러닝 기법. 기대하려는 답을 알고 있을때, 이를 테면 귤이라는 기대하는 값이 있을때 

2. Unsupervised Learning(비지도 학습)

답을 모르고 있을때 알고리즘 적용. 가장 대표적인 기법 Clustering(클러스터링). 클러스터링을 비슷한 데이터끼리 묶어주는 알고리즘.

이 15개의 과일을 집어넣었을때 이것들을 비슷한 것끼리 묶어준다. 예를 들어 세가지 클러스터로 만들어보겠다고 하면 이런식으로 분류가 될 것이다. 문제는 답이 없기 때문에 어떤 식으로 분류가 될지는 아무도 모른다.

예를 들어 이런 식으로 크기로 분류를 해줄지도 모른다.

아니면 색깔별로 분류를 해줄지도 모른다.

그러면 어떤 식으로 작동을 하느냐?

각각의 클러스터간에 간격이 극명하게 벌어지는 걸로 클러스터 알고리즘이 작동을 한다.

• 주의할 점. Unsupervised Learning을 사용할 때는 어떤 기대를 하면 안된다. 어떤 클러스터로 분류할 것인지를 알 수 없기 때문.
• 장점. 우리가 알지 못하는, 파악하지 못한 어떤 클러스터의 개념을 알 수 있다.

3. Reinforcement Learning

보상과 처벌이라는 기준을 가지고 머신러닝 학습을 시킨다. 알파고, 자율주행 자동차가 이에 해당한다. 어떻게 해야 보상을 더 받을 수 있는지, 어떻게 해야 처벌을 덜 받을 수 있는지 학습.

이 강의에서 주로 다룰 내용은  Supervised Learning과 Unsupervised Learning 이다.

많이 기대 된다.