[머신러닝] 머신러닝의 종류와 분류(feat. 오렌지3)

지난 포스팅에서 오렌지3로 간단한 회귀분석 및 예측 모델 생성 예제를 직접 처음부터 진행하여 테스트해 보았다.

 

[Orange3] 오렌지3를 이용한 머신러닝 모델 생성 및 예측! - 새로운 눈을 뜨게 해 준 머신러닝 야학

효율적인 머신러닝을 진행하기 위해서는 문제 상황에 맞는 적절한 모델을 선택할 수 있도록 정확하게 정의할 필요가 있다. 아래 그림은 머신러닝의 종류와 그에 대한 상세 분류를 보여준다.

 

머신러닝 종류

 

머신러닝은 크게 지도학습/비지도학습/강화학습 3가지로 나누어 볼 수 있다. 처음 이 단어들을 들으면 이게 뭔가 싶은데 하나하나 천천히 뜯어보도록 하자

 

1. 지도학습

지도학습의 '지도'는 영어로 Supervised, 가르친다는 의미를 가지는 단어이다. 즉 기계를 가르쳐 정답을 찾아가도록 만드는 방법인 것인데, 이는 문제은행을 생각해보면 쉽게 이해할 수 있다. 기계에게 많은 양의 문제와 정답을 가르쳐 유사한 문제가 나오면 기존의 데이터를 바탕으로 정답을 찾을 수 있도록 하는 것이다. 예제 문제를 많이 가르치면 가르칠수록 기계가 정답을 맞힐 확률은 점점 늘어날 것이다.

이러한 지도학습은 문제의 성격(수치화 가능 여부)에 따라 분류와 회귀를 통해 진행할 수 있으며, 회귀는 수치화할 수 있는 것, 분류는 수치화 할 수 없는 것으로 생각하면 쉽게 나눌 수 있다. 

 

2. 비지도학습

비지도학습은 말 그대로 지도학습에 속하지 않는 종류의 문제를 해결하는 방법이다. 정답이 무엇인지 알 수 없지만 무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것이라고 할 수 있다. 비지도학습은 주로 데이터의 성격을 파악하거나 데이터를 잘 정리 정돈하는 것에 사용된다. 이러한 비지도학습은 군집화, 변환, 연관으로 나누어볼 수 있는데, 각각에 대한 설명은 추후에 비지도학습만 따로 포스팅하도록 하겠다.

 

3. 강화학습

강화학습은 학습을 통해 능력을 향상시킨다는 점에 있어 지도학습과 비슷하나, 지도학습은 정답이 있는 문제(수식화 가능, 명확한 기준에 의해 분류 가능)를 풀었다면 강화학습은 정답이 없는 문제를 직접 해결하기 위해 수련하는 것으로 정의할 수 있다. 사실 머신러닝의 진정한 꽃은 바로 강화학습이 아닐까 생각되는데, 문제의 상황을 정의하고 그 문제에 대한 보상을 정의하여 더 많은 보상을 받을 수 있는 문제해결 방법을 찾아나가는 것이 바로 이 강화학습인 것이다. 예를 들어 우리가 게임을 하며 실력을 키워나가는 과정을 생각해보면 처음에는 아무것도 모르지만 스스로 특정 상황에서 점수를 많이 얻을 수 있는 방법을 터득해가며 점점 고득점화 되어 간다. 다음 표의 링크들에서 이러한 강화학습을 통해 똑똑해지는 기계의 예를 찾아볼 수 있다.

URL	설명
www.youtube.com/watch?v=VMp6pq6_QjI	강화학습을 이용해서 자동차의 주차능력을 향상시키는 예제
www.youtube.com/watch?v=kopoLzvh5jY	시뮬레이션 환경을 이용한 숨바꼭질 강화학습
www.youtube.com/watch?v=QilHGSYbjDQ	팩맨의 게임능력을 향상시키는 예제
www.youtube.com/watch?v=ZhsEKTo7V04	강화학습을 통해 로봇팔이 문 여는 방법을 터득하는 영상
www.youtube.com/watch?v=Aut32pR5PQA	2D 시뮬레이터 상에서 강화학습을 이용해 자율주행 기능을 구현하는 영상

---

마지막으로 아래 알고리즘을 통해 문제를 해결하기에 적절한 머신러닝 방법을 찾아 적용해주도록 하자!

머신러닝 방법 선택 알고리즘