1. Machine learning & Deep learning overall

Machine learning algorithm categories

• Supervised learning:
  • 답(Label)이 있는 채로 학습하는 것을 의미
  • 답이 실수형이면 Regression, 그렇지 않고 Discrete하면 Classfication을 활용하여 학습
  • 남아 있는 데이터를 이용하여 Label을 예측하며 정확도를 측정

• Unsupervised Learning
  • 답(Label)이 없는 채로 학습하는 것을 의미
  • 비슷한 성질을 가진 것들끼리 모으는(패턴을 파악하는) Clustering의 목적

• Reinforcement Leanring
  • 학습데이터는 필요가 없으며, 환경이라는 것과 상호작용을 하며 학습을 진행
  • 현재 상태(State)에서 취할 수 있는 행동(Action)을 취했을 때의 보상(Reward)가 최대가 되는 것을 목적으로 하여 움직이며, 훈련 간 각 state에서 Reward를 최대로 취할 수 있게 움직이는걸 Policy라 함

Machine Learning vs Deep learning

• 머신러닝은 딥러닝에 비해 사람들이 개입하는 요소가 많음
  • 특히 Dataset에서 어느 Feature에 대해 학습을 진행해야 하는지 특정해주는 경우가 많음
    • Feature Extraciton
  • 다만, 이를 위주로 학습을 하다보니 관여하지 않은 Feature들에 대해까지는 학습이 불가
  • 적은 데이터로도 빠르게, 그리고 어느 정도 좋은 효율을 보일 수 있음
  • 다만, 정말 수준 높은 결과를 보이기는 힘듦

• 딥러닝은 머신러닝처럼 데이터를 특정짓고 학습하지 않음
  • 대신, 모든 Input data에 대해 Feature들을 직접 찾는 과정이 필요함
  • 즉, Feature들이 어떠어떠한 관계를 가지는지도 학습해야하고, 이를 기반으로 분류하는 과정도 필요
  • 학습해야하는 weight가 많다라는 것은 그만큼 시간도 오래 걸리고, 정확도가 좋게 나오기 위해서는 많은 데이터가 필요함을 의미
  • 다만, 모든 Feature들에 대해 관계들을 파악하므로 데이터들만 많으면 굉장히 좋은 정확도를 보임
  • 중간에 Input 이후 아웃풋을 내는 과정까지 Layer(단계)들이 어떤 구조인지 모르므로 이를 Hidden Layer라고 부르기도 함

Uploaded by N2T