[머신러닝 입문] 01. Machine Learning 용어와 개념 설명

목차

---

• Machine Learning(머신러닝) 이란?
• Supervised Learning / Unsupervised Learning
• Supervised learning의 종류
  •  Regression(회귀)
  • Classification(분류)

 

Machine Learning(머신러닝) 이란?

---

기계 학습(機械學習) 또는 머신 러닝(영어: machine learning)은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 
                                  -https://ko.wikipedia.org/wiki/%EA%B8%B0%EA%B3%84_%ED%95%99%EC%8A%B5

 머신러닝은 일종의 소프트웨어(프로그램)이다.

사용자의 입력을 기반으로 데이터를 보여주도록 하는 프로그래밍, 개발자가 '이런 환경에서 이렇게 반응하고 또 다른 환경에서는 저렇게 반응하라.'와 같이 설계한 프로그래밍을 explicit programming이라 한다.

그런데 어떤 부분에서는 explicit 하게 구현하기 어려운 경우가 있다.

 

예를 들어, 이메일 스팸 필터 같은 경우는 스팸에 해당되는 규칙들이 너무 많기 때문에 개발자가 예상하기 어렵다.

또 다른 예로, 사람 없이 자동차가 알아서 주행하는 자동 주행 차량 같은 것은 개발자가 규칙을 알고 설계하기엔 규칙들이 너~~무나 많다.

 

 1959년도 미국 컴퓨터 과학자 Arthur Samuel이라는 사람은 이러한 생각을 했다.

'우리가 일일이 프로그래밍하는게 아니라, 

어떤 자료에서 또는 어떤 현상에서 자동적으로 배우면 어떨까..? '

(Field of study that gives computers the ability to learn without being explicity programmed)

이것이 바로 머신 러닝이다.

즉, 개발자가 아닌 프로그램 자체가 데이터를 보고 학습해서 배우는 것을 머신러닝이라 한다.

 

Supervised Learning, training set / Unsupervised Learning

---

머신 러닝을 할 때 프로그램은 학습을 해야한다. 학습을 하기 위해선 데이터가 주어져야 하는데 학습을 하는 방법에는

Supervised learning, Unsupervised learning이 있다.

 

• Supervised learning

label들이 정해져있는 데이터(= training set)를 가지고 학습을 하는 것을 Supervised learning이라 한다.

[그림1] Supervised learning의 예 (http://cs231n.github.io/classification/)

 예를 들어, 어떤 이미지를 주면 그 이미지가 고양이일까? 개일까? 자동으로 알아내는 프로그램이 있다 가정하자.

(이 프로그램 역시 머신러닝을 통해 만들어진 프로그램일 것이다)

사람들이 고양이 그림을 여러 개 모아서 주고 이 사진은 고양이라고(cat이라는 label를 붙임) 프로그램에게 학습시키고 개 그림을 여러 개 모아서 이 사진은 개(dog라는 label을 붙임)라고 프로그램에게 학습을 시키는 방식을 Supervised learning이라 할 수 있겠다.

 

• Training set

X	Y
3, 6, 9	3
2, 5, 7	2
2, 3, 5	1

위 표와 같이 Label(Y)이 정해져 있는 데이터를 가지고 프로그램이 학습을 하면 Model이 생긴다.

학습한 Model에 대해서, 우리가 모르는 X가 있고 그 값이 X = [9, 3, 6] 라고 가정하면 이 X를 프로그램에게 전달하면 프로그램은 아마 Y는 3이라고 답할 것이다.

 이러한 학습 방법을 Supervised learning이라 할 수 있고, 학습한 데이터(표)를 training set이라 한다.

 

• Unsupervised learning

 위의 Supervised learning과 반대로 일일이 label을 줄 수 없는 형태를 Unsupervised learning이라 한다.

예를 들어, Google New가 있는데,  이 뉴스는 자동적으로 유사한 뉴스들을 그룹핑한다. 이런 경우에는 label을 다 정해주기 어렵다. 따라서 알아서 유사한 뉴스끼리 모아야 한다.

또 다른 예로, 단어들 가운데도 비슷한 단어들을 모으는 머신러닝 프로그램이 있다면 이 경우는 역시 label을 만들어서 학습을 시키는 것이 아니라 단어들을 가지고 스스로 학습하므로 Unsupervised learning이라 할 수 있다.

 

Supervised learning의 종류

---

Supervised learning은 문제의 타입에 따라 Regression problem, Classification problem로 나눌 수 있다.

설명하기 쉽게 시험의 성적을 예측하는 시스템이 있다고 가정해보자.

 

• Regression

시험 점수의 범위는 0점부터 100점까지 넓은 범위를 가지고 있을 텐데(continous 한 연속성을 갖고 있는데) 이런 예측을 하는 것을 Regression이라 할 수 있다.

x (hours)	y (score)
10	90
9	80
3	50
2	30

다음과 같은 데이터를 학습시켰을 때, 우리가 x = 7이라고 질문하면 프로그램은 y = 75와 같이 예측할 수 있는,

즉 Continouse 한 데이터를 가지고 학습하여 결과를 예측할 수 있는 모델을 Regression 모델이라 할 수 있다.

 

• Classification

Classification은 Regression과는 달리 연속성이 없이 몇 가지 값으로 끊어지는 경우다.

Classification의 종류도 Binary classification, Multi-label classification으로 분류할 수 있다.

Binary classification

문제를 단순화시켜서 점수로 분류하지 말고, 시험이 PASS냐 FAIL이냐 두 가지로 나누어서 예측을 하는 것을 Binary classification이라 한다.

x (hours)	y (pass/fail)
10	P
9	P
3	F
2	F

Multi-label classification

이번에는 시험을 다음과 같이 A, B, C, E, F라는 학점으로, 예측할 수 있는 범위를 좀 더 여러 개로 나누는 것을 Multi-label classification이라 한다.

x (hours)	y (gradel)
10	A
9	B
3	D
2	F

 

참고 자료

---

https://www.youtube.com/watch?v=qPMeuL2LIqY
KimSung님 - ML lec 01. 기본적인 Machine Learning 의 용어와 개념 설명

https://bcho.tistory.com/966
조대협님 블로그