머신러닝(1) 머신러닝의 개요

 

머신러닝이란 컴퓨터에게 학습을 시킴으로써 결과를 예측하거나 새로운 결과를 도출하게 해주는 일종의 기술이다.

 

머신러닝의 예시는 다음과 같다.

• 편지봉투에 손으로 쓴 우편번호 숫자 자동 판별
• 의료 영상 이미지에 기반한, 종양 판단
• 의심되는 신용카드 거래 감지
• 블로그 글의 주제 분류
• 고객들을 취향이 비슷한 그룹으로 묶기

우리 실생활에서도 매우 다양하게 쓰이고 있다.

 

그렇다면 어떤 기준으로 머신러닝을 해야 할까

• 가지고 이는 데이터가 내가 원하는 문제의 답을 가지고 있는가?
• 내 문제를 가장 잘 해결할 수 있는 머신러닝 방법은 무엇인가
• 문제를 풀기에 충분한 데이터를 모았는가?
• 머신러닝의 성과를 어떻게 측정할 것인가

어떤 데이터를 어떻게 예측하여 어떤 결과를 불러올것인지 알아야한다.

 

 

머신러닝의 종류는 어떻게 될까

 

머신러닝은 크게 supervised러닝과 unsupervised러닝으로 나뉜다. 

 

supervised러닝 즉 지도 학습은 기존의 데이터를 기준으로 데이터를 학습하여 기존 데이터중 하나를 결과로 도출 기법이다.

 

unsupervised러닝은 비지도 학습으로 데이터를 학습하여 새로운 결과를 도출하거나 데이터를 머신러닝의 판단으로 알아서 그룹을 지는등의 기법이다.