기계학습의 종류

기계학습의 정의

 

명시적으로 프로그램을 작성하지 않고 컴퓨터에 학습할 수 있는 능력을 부여하기 위한 연구 분야. (Arthur Samuel, 1959)

 

 

Example (y=2x)

 

기계학습 예시 (y=2x)

 

• 학습데이터 (1, 2), (2, 4), (3, 6), (4, 8)
• 컴퓨터에 $y=2x$ 의 함수를 프로그래밍하지 않아도 앞의 학습데이터를 학습한 후 (5, ?), (10, ?)의 새로운 질문을 던져도 그 대답을 할 수 있게 만드는 것

---

 

기계학습의 정의의 변화

 

만약 컴퓨터 프로그램이 특정한 태스크 T를 수행할 때 성능 P만큼 개선되는 경험 E를 보이면, 그 컴퓨터 프로그램은 태스크 T와 성능 P에 대해 경험 E를 학습했다라고 할 수 있다.
(Tom Mitchell, 1997)

 

이전 기계학습 정의와의 차이점

• Task 정의
• Performance를 정량적으로 평가

---

 

기계학습과 프로그램 비교

 

기존의 프로그램에서는 수행하지 못한 '예측' 이 가능

 

• 프로그램: 통계적 접근
• 기계학습: 여러 변수의 변화량에 따라 변수 변화량 예측

---

 

기계학습의 방식

 

기계학습의 세 종류

 

기계학습의 세 종류

 

• 비지도 학습(unsupervised learning)
  • 정답 없이 입력들만 주어짐  
  • ex) 군집화, 차원 축소
• 지도 학습(supervised learning)
  • 입력에 대한 정답 값과 대조하며 학습
  • ex) 예측, 분류
• 강화 학습(reinforcement learning)
  • 입력에 대한 평가만 주어짐

---

 

지도 학습이란?

 

일을 맡아서 보살피고 지휘하는 과정으로 지식을 습득하는 행위

 

지도 (Supervised)

1. 어떤 사람을 인도.
2. 일을 맡아서 보살피고 지휘.

학습 (Learning)

1. 배워서 익힘.
2. 지식을 습득하는 과정.
3. 경험의 결과로 나타나는, 비교적 지속적인 행동의 변화나 그 잠재력의 변화.

 

정답을 이미 알고 있는 경우에 사용하는 학습법

 

지도 학습(Supervised learning)

 

• 문제와 그 정답의 쌍이 주어진 상태로 학습을 진행
• 문제를 푼 뒤 그 결과를 정답과 비교, 정답과의 오차가 적어지도록 동작을 수정(학습)함
• 명시적인 정답이 주어진 상황에서 기계를 학습 시키기 위해 데이터와 레이블을 사용(오차, error or loss)
• 사람이 목표 값에 개입하여, 정확도가 높으나 시간이 오래 걸리고 필요 데이터량이 많음

 

지도 학습의 데이터

 

 

문제와 그 정답(label)의 쌍이 주어진 상태

---

 

비지도 학습이란?

 

일을 맡아서 보살피고 지휘하는 과정 없이, 지식을 습득하는 행위

 

비지도 (Unsupervised)

1. 어떤 사람을 인도하지 않음.
2. 일을 맡아서 보살피고 지휘하지 않음.

학습 (Learning)

1. 배워서 익힘.
2. 지식을 습득하는 과정.
3. 경험의 결과로 나타내는, 비교적 지속적인 행동의 변화나 그 잠재력의 변화.

 

비지도 학습 (Unsupervised learning)

 

• 정답이 없을 경우에 사용
• 문제를 관찰함으로써 비슷한 문제의 집합을 발견하고, 문제의 타입을 이해

 

비지도 학습의 데이터

 

비지도 학습의 데이터

정답이 없는 상태

---

 

강화 학습이란?

 

강하게 만드는 과정으로 지식을 습득하는 행위

 

강화 (Reinforcement)

1. 강하게 하는 것

학습 (Learning)

1. 배워서 익힘.
2. 지식을 습득하는 과정.
3. 경험의 결과로 나타내는, 비교적 지속적인 행동의 변화나 그 잠재력의 변화.

 

강화 학습 (Reinforcement learning)

 

• 시행착오를거쳐가며 최적으로 보이는 행동 방법을 학습
• 보상(Reward) 을 통해 최적의 행동인지 평가
• 시행착오 과정을 거쳐 학습하기 때문에 사람의 학습방식과 유사

 

강화 학습 동작원리

 

• Agent(AI)는 Enviroment(환경, 문제, X)으로부터 상태를 관측하고 이에 따른 적절한 행동을 하면 환경으로부터 보상을 받음
• 관측-행동-보상의 상호작용을 반복하면서 환경으로부터 얻는 보상을 최대화하는 일련의 과정
• 관측-행동-보상의 과정을 경험(Experience) or 학습이라고도 함

---

 

그 외의 학습 방법

 

Limited Resource(제한된 데이터)에서의 Powerful Performance

 

준지도 학습 (Semi-supervised learning)

• 소량의 정답 있는 문제와 대량의 정답 없는 문제를 학습
• 정답 없는 문제 학습 통해 문제의 패턴을 학습하고, 이를 통해 얻은 정보로 지도학습 수행

 

전이 학습 (Transfer learning)

• 목표 하는 문제에는 정답이 소량만 존재하는 반면, 문제와 비슷한 문제에는 정답이 대량으로 존재할 경우 사용

 

제로샷 학습 (Zero-shot learning)

• 목표하는 문제에 대한 정답이 거의 없는 상태에 사용하는 전이학습
• 해결하려는 문제를 추상화함으로써 정답이 있는 다른 문제의 풀이 방법에 응용

 

 

 

출처: [성균관대 컨소시엄] 건양대  DNA School 기초과정 - 병원 임상데이터를 활용한 AI기초 강의자료