인공지능 강의 10화 :: 기계학습, 지도학습, 자율학습, 귀납적 학습, 결정트리

인공지능 강의 10화를 보며 배운내용

 

 

KEYWORDS

• 지도학습: 입력과 출력을 학습 데이터로 제시하여, 입력에 대한 시스템 출력이 기대하는 출려과 같아지도록 시스템 변화시키는 학습 방법
  
  
• 자율학습: 입력값만으로 구성된 학습 데이터 집합을 사용해서 유사한 입력에 대해 동일한 출력을 내도록 학습
  
  
• 강화학습: 에이전트는 현재 환경에 대해 행동을 경정해서 실행, 이에 따라 변화된 환경과 함께 보상을 받음. 이를 통해 에이전트는 일련의 행동에 따른 보상을 최대화 하는 정책 개발
  
  
• 귀납적 추론: 반복적인 관찰, 경험을 기반으로 일반화된 논리를 이끌어 내는 추론
  
  
• 결정트리: 분할정복 방식, 입력공간을 분할해서 입력된 대상을 분류하거나 회귀 분석 위한 트리

 

 

기계학습(Machine Learning)

인공지능 시스템이 지능적 행동능력을 갖기 위해 외부 환경으로부터 정보를 이용해서 시스템 내부에 지식을 형성하고 저장하는 과정

 

 

지도학습(Supervised learning)

선생님이 있는것

입력과 기대하는 출력을 학습데이터로 제시

입력에 대한 기대하는 출력이 나오도록 시스템을 변화시킨다

 

 

자율학습(Unsupervised learning)

비지도 학습

입력만 제시

유사한 입력에 대해 동일한 출력을 내도록 학습

 

 

강화학습(Reinforcement Learning)

보상(reward) 통한 학습

행동에 따른 보상을 최대화 하는 정책 개발

 

 

기계적 학습

암기식 학습(Rote Learning)

문제, 풀이 그대로 저장, 그대로 다시 사용

 

 

귀납적 학습

반복적인 관찰, 경험으로 일반화된 논리 끌어낸다

일반화된 학습을 하기때문에 표본 중 일치하는 것이 없어도,

적절한 판단을 내릴 수 있다.

 

학습의 질은 학습 데이터 질과 밀접한 관계가 있다

 

결함 유형

• 부정확한 입력 속성값 존재
• 학습 예를 잘못 분류
• 학습에 필요한 주요 속성이 빠진 경우

 

 

결정트리(Decision Tree)

분할정복 방식으로 공간 분할해서 입력된 대상 분류 or 회귀분석 하기위한 트리

 

노드

• 루트 및 내부노드(Decision node): 공간 분할하는 조건을 판단하는 함수 갖고 있다.
• 잎 노드(Leaf node): 최종적인 분할영역 나타내는 노드, 입력에 대한 출력 값을 갖고 있다.

지도학습 방식으로 학습

 

여러 클래스의 표본이 섞인 정도가 높다는 말은 => 불순도가 높다는 말

 

불순도 검사 시행

=> 불순도가 높으면 적절한 검사를 통해 분할가능한 결정노드 생성

=> 불순도 0 (or 정해진 임계치 밑) 해당 클래스를 출력하는 잎노드 생성

=> 불순도가 낮을수록 특정 클래스에 속하는 학습표본들이 집중적으로 들어 있다.

 

불순도 검사 방법

엔트로피, 지니 지수 등 사용

 

노드 분할

불순도가 가장 낮아지게 하는 속성을 기준으로 분할

 

=> 루트 노드의 불순도가 0이면 학습 표본이 하나의 클래스만 있다는 말

일반적인 분류 문제에서 불순도가 0이 안된다.

 

 

machine learning by Andy Kelly #unsplash