[Machine Learning] What is Machine Learning? - Supervised Learning & Unsupervised Learning

What is Machine Learning?

 machine learning의 정의에 대해서는 두 가지 입장이 주장되었다. Arthur Samuel에 의하면 Machine Learning은 "컴퓨터에게 명확한 프로그래밍 없이 학습할 수 있는 능력을 주는 분야" 라고 묘사한다. 이 주장은 오래 되었고, 비공식적인 정의이다. 😅

 

 Tom Mitchell은 더욱 현대적인 정의를 제공하였다: "컴퓨터 프로그램은 몇몇 task $T$의 클래스에 관한 경험 $E$와 성능 지표 $P$로부터 학습되서, task $T$에서의 성능은 $P$에 의해 측정되고, 경험 $E$로 향상된다." 체커를 예로 들어서 설명하면 다음과 같다.

 

• $E$: 많은 체커 게임 플레이 경험
• $T$: 체커를 플레이하는 task
• $P$: 프로그램이 다음 게임을 이길 확률

 

 일반적으로 machine learning 문제들은 다음의 두 개의 큰 분류로 나뉜다: Supervised Learning$($지도학습$)$, unsupervised Learning$($비지도학습$)$

 

 

Supervised Learning

 Supervised Learning은 데이터셋이 주어지고, 입력과 출력 사이에 관계가 있다는 생각을 가지고 올바른 출력이 어떤 모습이어야 하는지 이미 알고 있는 상태이다. 

 

 Supervised Learning의 문제는 크게 "regression$($회귀$)$"과 "classification$($분류$)$"로 나뉜다. regression 문제에서는, 이어지는 출력 내에서 결과를 예측하려고 한다. 이는 다시 말해, 입력 변수를 연속 함수에 매핑하려고 한다는 의미이다. classification 문제에서는, 별개의 출력에서 결과를 예측하려고 한다. 다른 말로 하면, 입력 변수를 별개의 카테고리에 매핑하려고 한다는 의미이다.

 

 

Unsupervised Learning

Unsupervised Learning은 결과가 어떤 형태를 갖춰야 하는지 거의 또는 전혀 모른 채 문제에 접근할 수 있다. 변수의 효과를 알 필요 없이 데이터로부터 구조를 얻어낼 수 있다. 이 구조를 데이터에서 변수들 간의 관계에 기반해서 데이터를 군집화함으로써 얻어낼 수 있다. Unsupervised Learning을 사용하면, 예측 결과에 기반한 피드백이 없다.