지도학습 (Supervised Learning) > 머신러닝/AI 자료실

• 목록

Machine Learning의 지도학습

지도학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 방법.
훈련데이터는 일반적으로 입력 객체에 대한 속성을 벡터형태로 포함되고 있으며, 각각의 백터에 원하는 결과가 무엇인지 표시되어 있음.
(훈련데이터에 레이블 또는 타깃이라는 정답지가 포함되어 있음)
=> 이렇게 유추된 함수 중 연속적인 값을 출력하는것을 회귀(regression),
    주어진 입력 벡터가 어떤 종류의 값인지 표시하는 것을 분류(classification)라고 함.

지도학습 알고리즘의 대표적인 예 )
- 선형 회귀
- 의사 결정 트리
- 신경망
- SVM

1. 선형 회귀분석 (Linear Regression)
  ‘독립변수와 종속변수가 선형적인 관계가 있다’ 라는 가정하에 분석
  직선을 통해 종속변수를 예측하기 때문에 독립변수의 중요도와 영향력을 파악하기 쉬움
  [조건]
  독립변수(x)값에 해당하는 종속변수(y)값들은 정규분포를 이뤄야 하고 모든 정규 분포의 분산은 동일해야한다.
  종속변수(y) 값들은 통계적으로 서로 독립적 이어야 한다.

2. 의사 결정나무 (Decision Tree)
  분류 (classification) 와 회귀(regression), 모두 가능한 지도학습 모델 중 하나.
  스무고개 하듯 질문을 이어가며 학습, 특정 기준(질문)에 데이터를 구분하는 모델.
  overfitting(과대적합)이 잘 일어남 (알고리즘 성능 저하)  => 이를 극복하기 위해 트리의 크기를 사전에 제한하는 튜닝이 필요.

3. 신경망 (Neural Network,ANN)
  입력, 은닉, 출력층으로 구성된 모형으로, 각 층을 연결하는 노드의 가중치를 업데이트하면서 학습.
  많은 입력들에 의존하면서 일반적으로 베일에 싸인 함수를 추측하고 근사치를 낼 경우 사용.

4. SVM (Support Vector Machine)
  주어진 데이터가 어느 카테고리에 속할지 판단하는 이진 선형 분류 모델.
  클래스 간의 거리 (margin)가 최대가 되도록 decision boundary를 만드는 방법.