패턴인식 특론
청주대학교 대학원 전자공학과 한철수
제2장 머신 러닝의 여러 측면
목차
2
• 머신 러닝을 둘러싼 환경
• 관련 분야
• 학습법에 따른 분류
• 방법이나 과제 설정에 따른 분류
• 응용 사례
머신 러닝을 둘러싼 환경
3
• 머신 러닝은 1950년대부터 인공지능과 함께 연구가 진행되어 왔음.
• 붐과 침체 시기를 몇 번 반복하면서 최근 다시 주목받고 있음.
• 머신 러닝이 성능을 발휘하기 위해 필요한 것
‒ 데이터 축적
‒ 분석하는 계산 능력
관련 분야
4
학습법에 따른 분류
5
• 머신 러닝의 본질은 데이터에서 규칙을 배운다는 점에 있음.
• 지도학습
‒ 학습할 때 데이터마다 정답을 주고 그 규칙성을 배우는 학습 방법.
‒ 학습한 결과로 미지의 데이터에서도 적절한 분류나 수치를 출력할 수 있게 하는 것을 목표로 함.
• 비지도학습
‒ 정답 정보가 없는 데이터만으로 학습함.
• 반지도학습
‒ 대량의 정답을 부가하지 않은 데이터와 소량의 정답이 있는 데이터로 학습함.
‒ 연구가 진행되고 있지만 아직 표준 방법은 확립하지 않음.
• 강화학습
‒ 시스템이 어떤 행동을 선택한 결과에 따라 환경으로부터 보상을 받으 며, 행동을 개선하는 구조로 시행착오를 거치면서 환경에 적응하는 학 습임.
방법이나 과제 설정에 따른 분류
6
• 분류 문제
‒ 데이터를 분류하는 지도 학습 문제임.
‒ 학습 데이터에서 분류 기준을 학습하고, 미지의 데이터를 적절하게 분 류할 수 있게 하는 것을 목표로 함.
• 회귀 문제
‒ 수치를 예측하는 지도 학습 문제임.
‒ 학습 데이터에서 입력과 정답 값의 관계를 학습하고, 미지의 입력 값에 서도 적절한 값을 예측할 수 있는 것을 목표로 함.
• 클러스터링
‒ 데이터에서 클러스터를 작성하는 비지도 학습 문제임.
‒ 탐색적 작업에 주로 사용하고, 데이터의 전처리, 중간 처리에서도 사용 함.
응용 사례
7
• 스팸 메일 필터
• 신용 카드 부정 확인
• 얼굴 검출
• 문자 인식
• 대화 처리
• 상품 추천
질문
8
Q&A
