[CS/기계학습] 1.Introduction

1. 개요

Supervised Learning	- Linear regression - Logistic regression - Neural Network - Support vector machine - Ensemble learning, Adaboost  - Decision Tree, Random Forest
Unsupervised Learning	- Clustering - EM algorithm - Auto-encoder - Principal component analysis - Collaborate filltering - Semi-supervised learning
Sequential Learning	- Hidden Markov Model
Reinforcement Learning	-

 

 

2. Supervised Learning

Input data와 Output data가 존재할 때, 이들의 관계를 분석하여 새로운 Input에 대한 Output을 추론하는 모델을 생성하는 것이 목표이다. Regression과 Classification으로 나뉜다. NLP(자연어처리), 손글씨 인식, CV 등에서 사용된다.

 

Regression	Classification
Output 결과를 continuous하게 예측하는 경우를 regression이라고 한다. polynomial function으로 표현한다.	Output 결과를 discrete하게 예측하는 경우를 classification이라고 한다.

 

 

3. Unsupervised Learning

Data의 특징을 가지고 분류, 분석하는 방법으로 Supervised Learning과는 다르게 직접 data를 분류해서 모델을 생성한다.

 

 

4. Sequential Learning

Named Entity Recognition (NER)과 같이 순차적으로 들어오는 데이터들의 관계를 파악해서 원하는 값을 추출하는데 사용한다.

 

 

5. Reinforcement Learning

Agent가 특정 상황에서 action을 취할 때 얻는 reward를 바탕으로, 상황에 맞춰 어떤 action을 행할지 결정하는 모델을 생성하는 것이 목표이다.