"비지도학습 (Unsupervised Learning)"
: 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 방법
- 컴퓨터가 입력값만 있는 훈련 데이터를 이용하여 입력들의 규칙성을 찾는 학습 방법
- 라벨링 되어있지 않은 데이터로부터 패턴이나 형태를 찾아야 하기 때문에 지도학습보다 난이도가 있음
- 사람의 해석을 통해 유용한 지식을 추출하는 데 활용
- 지도 학습에서의 원래 입력보다 데이터 특징을 더 잘 표현하는 새로운 입력을 만드는 특징 추출기(feature extractor)로 활용
(지도 학습에서 적절한 피처를 찾아내기 위한 전처리 방법으로 사용)
< 구분 >
- 입력의 규칙성에 따라 구분
① 군집 분석(Cluster analysis) & 의존 구조 학습(dependency structure)
- 주로 데이터에 내재하는 유용한 정보나 지식을 추출하는 데 활용
- ex) 유전자 데이터에서 학습된 유전자 사이의 의존 구조는 생의학 연구자들에게 새로운 지식을 제공
② 벡터 양자화(vectorquantization) & 데이터 차원 축소(data dimensionality reduction)
- 데이터의 잡음과 불필요한 입력을 제거
- 지식 추출, 데이터 압축 및 특징 추출(feature extraction) 등에 적용
< 구분 별 방법 >
① 군집 분석(Cluster analysis)
- k-평균 군집화 : 데이터를 사람이 정한 k개의 부분집합으로 나누는 것
- 계층적 군집화 : 데이터를 계층적으로 분할하거나 병합하는 군집 분석
② 의존 구조 학습(dependency structure)
- 베이즈 망(bayesian network) : 확률적 의존관계(probabilistic dependency)를 그래프로 표현하는 모델
③ 벡터 양자화(vectorquantization)
- 린데 · 부조 · 그레이 알고리즘 : 코드북 생성에 사용되는 벡터 양자화 알고리즘으로, k-평균 군집화 알고리즘과 유사
④ 데이터 차원 축소(data dimensionality reduction)
- 주성분 분석 : 데이터 왜곡을 최소화하는 저차원 표현을 학습하는 선형 방법
- 오토인코더 : 입력을 재구성하는 신경망 모델로, 인공 신경망 기반 비선형 방법
< 관련 용어 >
- "특징 추출(feature extraction)" : 원래 입력보다 데이터를 더 잘 표현하는 새로운 입력을 만드는 것으로,
"특징 추출(feature extraction)" : 추출된 특징은 지도 학습의 성능을 향상시키는 데 이용
terms.naver.com/entry.naver?docId=5714728&cid=42346&categoryId=42346
비지도형 기계 학습
기계 학습 중 컴퓨터가 입력값만 있는 훈련 데이터를 이용하여 입력들의 규칙성을 찾는 학습 방법. 비지도형 학습 모델은 사람의 해석을 통해 유용한 지식을 추출하는 데 활용되거나 지도형 기
terms.naver.com
[인공지능] 지도학습, 비지도학습, 강화학습
머신러닝의 학습 방법은 크게 3가지로 분류됩니다. 지도학습 비지도학습 강화학습 ● 지도학습(Supervised Learning) 지도 학습은 말 그대로 정답이 있는 데이터를 활용해 데이터를 학습시키는 것입
ebbnflow.tistory.com
'Issue' 카테고리의 다른 글
« 혼합현실 » 현실 세계와 가상 세계를 넘나들다 (0) | 2021.04.22 |
---|---|
« 온택트 » (0) | 2021.04.22 |
« 지도학습 » (0) | 2021.04.02 |
« 머신러닝 » (0) | 2021.04.02 |
« 생성적 적대 신경망 » (0) | 2021.03.30 |