How to make the machine learned?

Machine Learning? Deep Learning? Difference?##

자, 이제 머신러닝의 개념이 잡혔으면 다음과 같은 궁금증이 생길 수 있습니다. 그럼 기계에게 어떤 알고리즘, 어떤 데이터로, 어떻게 학습시키냐?

아래의 그림을 보시죠.

생활코딩 유투브 강의안

기계를 학습시키는 알고리즘의 큰 범주로 지도학습, 비지도학습, 강화학습이 있으며, 각 범주마다 여러 알고리즘들이 있습니다. 가령, 지도학습 방법론 속에 kNN 알고리즘, SVM 알고리즘, 의사결정 트리 알고리즘 등이 있습니다.

즉, 해결하고자 하는 테스크(분류, 회귀, 군집화 등)에 맞춰서 알고리즘을 선택하여 기계를 학습시키는 것입니다. 가령, X를 입력값으로 받았을 때, Y를 출력값으로 나오며 Y는 X값에 영향을 받는다고 가정해봅시다.

독립변수 : X

종속변수 : Y

종속변수 Y가 숫자로 표현되면 회귀와 관련된 알고리즘을 사용

종속변수 Y가 이름으로 표현되면 분류와 관련된 알고리즘을 사용

아래 사진을 보시면, 머신러닝에서 사용되는 여러 알고리즘들이 있습니다. 추후 포스팅에서 머신러닝에 사용되는 알고리즘들을 차례로 소개할 예정입니다.

p.s)참고로, 머신러닝과 딥러닝. 각 용어에 대해서 헷갈려하는 분들이 많습니다. 머신러닝과 딥러닝의 차이가 무엇인가요?

결론부터 얘기하자면,

딥러닝은 머신러닝의 여러 기술 중 하나

딥러닝의 다른 이름은 심층신경망(Deep Neural Network)입니다. 네이밍만 봐도 알 수 있듯이, 뉴런(노드)로 구성된 신경(레이어)을 깊게 연결한 네트워크 구성 형태를 의미합니다. 즉 이런 네트워크 구성으로 기계를 학습시키고, 예측값을 출력해냅니다. 이것이 딥러닝입니다.