[핸즈온 머신러닝] 학습 방식에 따른 머신러닝: 지도 학습, 비지도 학습, 준지도 학습, 자기지도 학습, 강화 학습

지도 학습 (Supervised learning)

훈련 데이터에 Label을 포함하여 학습시키는 방식
-> 정답을 같이 제공하여 모델이 학습

 

Example

• 분류(Classification)
• 회귀(Regression)

중고차 가격 예측(회귀) 예시

---

비지도 학습 (Unsupervised learning)

훈련 데이터에 Label을 포함하지 않고 학습하는 방식
-> 알고리즘이 스스로 패턴 탐지 및 학습

 

Example

• 군집화(Clustering)

군집화(Clustering)

• 차원 축소(Dimensionality Reduction)

차원 축소(Dimensionality Reduction)

• 이상치 탐지(Outlier Detection)

이상치 탐지(Outlier Detection)

---

준지도 학습 (Semi-supervised learning)

학습 데이터에 label이 일부분만 있는 데이터로 학습하는 방식

 

Example

• Google photo: 가족 사진을 모두 올리고 사람마다 label을 하나만 추가하면, 누구 사진인지 자동으로 분류

---

자기지도 학습 Self-supervised learning

label이 전혀 없는 데이터셋에서, self로 task를 정해서 학습하는 방식

• label이 없는 데이터에서 학습 과제를 생성
• 일반적으로 전이 학습(transfer learning)을 위해 사용
  1. Pretext Task(사전학습 작업, 가짜 라벨 생성): 데이터의 일부 정보를 제거/변경하여, 모델이 스스로 예측하도록 함
  2. Representation Learning(표현 학습): Pretext Task를 수행하면서 데이터의 패턴을 학습
  3. Downstream Task(하류/최종목적 작업): Transfer learninig을 통해 최종 목적인 작업을 위한 모델 학습

   

 

Example

자기 지도 학습(Self-supervised Learning) 예시

1. label이 없는 이미지로 구성된 데이터셋 존재
2. 이미지의 일부분 Masking 처리
3. 학습 데이터: Masking 이미지, Label: 원본 이미지
4. 모델 학습, 학습된 모델은 손상된 이미지 복원 및 이미지에서 물체 삭제 가능
5. 학습된 모델을 Transfer Learning(전이 학습)하여 강아지/고양이 분류

---

강화 학습 (Reinforecement Learning)

어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습하는 방식

강화 학습(Reinforcement Learning) 예시

1. Agent(에이전트, 학습하는 시스템)이 Enviroment(환경)을 관찰
2. Action(행동) 실행
3. Action의 결과로 Reword(보상) or Penalty(벌점) 부여
4. 결국 Agent는 큰 Reword를 얻기 위한 Policy(정책, 최상의 전략)을 스스로 학습

 

Example

DeepMind의 AlphaGo(알파고), 2017년 바둑 세계 랭킹 1위인 커제를 상대로 승리