« 비지도학습 »

"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

ebbnflow.tistory.com/16

[인공지능] 지도학습, 비지도학습, 강화학습