Machine Learning 개념

main topic: 머신러닝 유형

 

1. 지도 학습(Supervised Learning)

2. 비지도 학습(Unsupervised Learning)

3. 준지도 학습(semi supervised)

4. 강화 학습(Reinforcement Learning)

---

사실 이번 포스트에서 '파이썬으로 시작하는 캐글'이라는 책에서 진행한 모델링과정을 설명하려했으나,

캐글이라는 주어진 문제를 푸는 특수한 상황에서 앙상블, 보팅 등의 스킬을 다루는 것보다는,

기본적인 모델의 장단점, 어떤 기반으로 모델이 만들어졌는지를 공부하는 것이 현재로서는 더 중요하다고 판단하여

책에서의 모델링 과정은 블로그에 올리지 않기로 결정했다. (추후에 보스턴 문제에서 다뤄보도록 하자.)

 

 

우선 머신러닝의 종류에 대해 알아보자.

 

 

1. 지도 학습(Supervised Learning)
: 정답이 있는 데이터를 활용해 데이터를 학습시키는 방법
종류: 분류(Classification), 회귀(Regression)
 

2. 비지도 학습(Unsupervised Learning)
: 정답이 없는 데이터를 군집화하여 새로운 데이터에 대한 결과를 예측하는 방법
종류: 클러스터링, k-means
 

3. 준지도 학습(semi supervised)
: 지도 학습과 비지도 학습의 중간에 해당하는 기술로, 명확한 정답이 존재하나 정답이 있는 데이터를 구하기 힘들 때 사용
 

4. 강화 학습(Reinforcement Learning)
: 주어진 환경에서 어떤 행동을 취하고 이로부터 어떤 보상을 얻으면서 학습을 진행

---

이외에도 딥러닝에는 ANN, DNN, CNN, RNN 등의 인공 신경망을 이용한 기계학습 알고리즘이 있지만,

이번 포스트에서는 머신러닝의 지도 학습에 대해서 다루고, 관련된 모델 알고리즘에 대해 설명하려고 한다.

 

 

1. 지도 학습 - 분류(classificition)

지금까지 다뤘던 타이타닉의 경우는 지도학습 중 분류(classification)문제이다.

'생존' or '사망'이라는 정답값이 주어진 데이터로 임의의 사람이 '생존'할지, '사망'할지 예측하는 문제.

즉 '생존'이라는 클래스일지, '사망'이라는 클래스일지 분류하는 문제이다.

<train data>

 

<test data>

 

2. 지도 학습 - 회귀(Regression)

지도학습의 또다른 유형인 회귀의 경우 클래스를 분류 및 예측하는 것이 아니라,

임의의 숫자값을 예측하는 것이다.

추후에 다룰 보스턴 집값 예측 문제가 그 예시이다.

(1층 평수, 화장실 개수, 주변 시설,,,, 등의 특성으로 집 값을 예측하는 것)

---

그렇다면 이러한 데이터를 학습하는 모델은 무엇인가?

한 마디로 표현하자면 모델 자체는 그저 하나의 함수이다.

input 값으로 데이터를 입력하면 output으로 분류 값 혹은 예측 값을 반환해주는 함수.

 

그리고 이러한 모델에는 여러 종류가 있다.

기초적인 모델로는 선형 회귀, 결정 트리등이 있고, 더 나아가서는 XGBoost, Random Forest등이 있다.

 

 

그럼 어떤 모델을 사용하는게 가장 좋을까?

아쉽지만 어떤 모델이 가장 좋을 지는 100% 확신할 수 없다.

왜냐하면 각 모델마다 설계된 목적 및 가정사항이 있고, 그에 따라 적합한 데이터셋 및 문제 상황이 있기 때문이다.

(물론 대부분의 경우에 좋은 성능을 보이는 모델이 몇가지 있다..!!)

 

그럼 각 모델마다 싹다 돌려보고 가장 성능이 좋은 모델을 사용하면 되는 것 아닌가?

물론 그 방법이 가장 좋겠지만 심각한 허점이 존재한다.

 

 

1. 모델의 성능을 제대로 해석할 수 없으므로, 성능 개선에 한계가 있다.

예를 들어 선형 회귀에서 높은 성능이 나왔다고 했을 때,

데이터에 선형 관계가 있을 때 선형 회귀의 성능이 높다는 것을 알고 있다면,

선형 관계의 특성에 가중치를 부여함으로써 성능을 더 높일 수 있을 것이다. 

 

하지만 이유도 모른채 선형 회귀의 성능이 가장 좋으니 선형 회귀를 선택했다면?

성능을 더 높일 수 있음에도 불구하고 프로젝트를 허무하게 종료했을 것이다.

 

2. 데이터 크기에 따라 계산 복잡도 및 필요 시간이 매우 늘어날 수 있다.

쉽게 다룰 수 있는 데이터 크기라면 각 모델마다 전부 돌려볼 수 있겠지만,

만약 각 모델마다 그리드 서치를 추가했거나, 데이터가 너무 방대하다면?

하루가 지나도 성능이 도출되지 않을 수도 있다...

 

그럴 시간에 성능이 좋을만한 모델만 뽑아서 빠르게 성능을 평가하고 향상시켰다면?

같은 시간에 더 높은 성능을 만들어 낼 수 있을 것이다...!

 

 

---

이번 포스트에서는 머신 러닝의 유형과 그중에서도 지도학습에 대해 알아보았고,

모델 이해의 중요성에 대해서도 공부했다.

다음 포스트에서 10가지 머신러닝 알고리즘의 기본 개념부터 장단점까지 공부해보자!

중점:

1. 머신러닝 종류(지도학습, 비지도학습, 준지도학습, 강화학습)

2. 지도학습 (분류, 회귀) 개념

3. 모델 이해의 중요성