ML - Theory #2 : Machine Learning의 종류

ML(Machine Learning, 머신러닝)

• 정의 : 기계학습으로, 컴퓨터가 학습을 통해서 기계에게 주입함으로써 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구
• 종류
  • Supervised Learning, 지도학습
  • Unsupervised Learning, 비지도학습
  • Reinforcement Learning, 강화학습

 

Supervised Learning, 지도학습

• 정의 : 컴퓨터에게 정답이 무엇인지 알려주면서 컴퓨터를 학습시키는 방법
• 종류
  • K-최근접 이웃 (K-Nearest Neighbors)
  • 선형 회귀 (Linear Regression)
  • 로지스틱 회귀 (Logistic Regression)
  • 서포트 벡터 머신 (Support Vector Machines, SVM)
  • 결정 트리 (Decision Tree) 와 랜덤 포레스트 (Random Forests)
  • 신경망 (Neural Networks)

 

Unsupervised Learning, 비지도학습

• 정의 : 지도학습과는 달리 정답을 알려주지 않고 비슷한 데이터를 군집화하여 미래를 예측하는 학습 방법
• 종류
  • 군집 (Clustering)
    • K-평균 (K-Means)
    • 계층 군집 분석 (Hierarchical Cluster Analysis, HCA)
    • 기댓값 최대화 (Expectation Maximization)
  • 시각화 (Visualization)와 차원 축소 (Dimensionality Reduction)
    • 주성분 분석 (Principal Component Analysis, PCA)
    • 커널 (Kernel)
    • 지역적 선형 임베딩 (Locally-Linear Embedding, LLE)
    • t-SNE (t-distributed Stochastic Neighbor Embedding)
  • 연관 규칙 학습 (Association Rule Learning)
    • 어프라이러이 (Apriori)
    • 이클렛 (Eclat)

---

>> 위 내용은 필자가 직접 작성한 내용입니다.

>> 부족한 점이 많을 수 있기에 잘못된 내용이나 궁금한 사항이 있으면 댓글 달아주시기 바랍니다.

>> 긴 글 읽어주셔서 감사합니다.