[인공지능] 4-1 기계학습의 소개

1. 기계학습

• 경험을 통해서 나중에 유사하거나 같은 일을 더 효율적으로 처리할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것
• 컴퓨터가 데이터로부터 특정 문제해결을 위한 지식을 자동으로 추출해 사용할 수 있게 하는 기술

연역적 학습

• 연역적 추론을 통한 학습

귀납적 학습

• 사례들을 일반화하여 패턴 또는 모델을 추출하는 것
• 일반적인 기계학습의 대상
• 학습 데이터를 잘 설명할 수 있는 패턴을 찾는 것
  • 오컴의 면도날
    • 어떤 현상의 인과관계를 설명할 때 불필요한 가정을 삼가야한다.
    • 가능하면 학습결과를 간단하게 표현하는 게 좋음

2. 기계학습의 종류

지도학습

입력(문제)-출력(답)의 데이터들로부터 새로운 입력에 대한 출력을 결정할 수 있는 패턴 추출

비지도학습(자율학습)

출력에 대한 정보가 없는 데이터로부터 패턴 추출

강화학습

• 출력에 대한 정확한 정보는 제공하지 않지만, 평가정보는 주어지는 문제에 대해 각 상태에서의 행동을 결정
• 문제에 대한 직접적인 답을 주진 않지만, 경험을 통해 기대보상이 최대가 되는 정책을 찾는 학습

정책 : 각 상태별로 취할 행동을 정해 놓은 것