지도 및 비지도 학습에 대한 빠른 소개

기계 학습 분야에는 데이터를 이해하는 데 사용할 수 있는 방대한 알고리즘 세트가 포함되어 있습니다. 이러한 알고리즘은 다음 두 가지 범주 중 하나로 분류될 수 있습니다.

1. 지도 학습 알고리즘: 하나 이상의 입력을 기반으로 결과를 추정하거나 예측하는 모델을 구축하는 작업이 포함됩니다.

2. 비지도 학습 알고리즘: 입력에서 구조와 관계를 찾는 것이 포함됩니다. “감독” 출력은 없습니다.

이 튜토리얼에서는 이러한 두 가지 유형의 알고리즘 간의 차이점을 각각의 몇 가지 예와 함께 설명합니다.

지도 학습 알고리즘

_지도 학습 알고리즘은 _하나 이상의 설명 변수 ₍ X1 , 응답 _변수 :

Y = f (X) + ε

여기서 f는 X가 Y에 대해 제공하는 체계적인 정보를 나타내고, ε은 평균이 0인 X와 독립적인 무작위 오류 항입니다.

지도 학습 알고리즘에는 두 가지 주요 유형이 있습니다.

1. 회귀: 출력 변수는 연속적입니다(예: 체중, 키, 시간 등).

2. 분류: 출력 변수는 범주형입니다(예: 남성 또는 여성, 성공 또는 실패, 양성 또는 악성 등).

지도 학습 알고리즘을 사용하는 두 가지 주요 이유는 다음과 같습니다.

1. 예측: 우리는 반응 변수의 값을 예측하기 위해 일련의 설명 변수를 사용하는 경우가 많습니다(예: 주택 가격을 예측하기 위해 평방 피트 와 침실 수를 사용).

2. 추론: 설명 변수의 값이 변할 때 반응 변수가 어떻게 영향을 받는지 이해하는 데 관심이 있을 수 있습니다(예: 방 수가 하나 증가하면 부동산 가격은 평균 얼마나 오르나요?)

목표가 추론인지 예측인지(또는 둘의 혼합)인지에 따라 다양한 방법을 사용하여 함수 f 를 추정할 수 있습니다. 예를 들어, 선형 모델은 더 쉬운 해석을 제공하지만, 해석하기 어려운 비선형 모델은 더 정확한 예측을 제공할 수 있습니다.

다음은 가장 일반적으로 사용되는 지도 학습 알고리즘 목록입니다.

• 선형 회귀
• 로지스틱 회귀
• 선형 판별 분석
• 2차 판별 분석
• 의사결정 트리
• 나이브 베이즈
• 지원 벡터 머신
• 신경망

비지도 학습 알고리즘

비지도 학습 알고리즘은 _{변수 목록 (} X ₁ , data.

비지도 학습 알고리즘에는 두 가지 주요 유형이 있습니다.

1. 클러스터링: 이러한 유형의 알고리즘을 사용하여 데이터 세트에서 서로 유사한 관측값 의 “클러스터”를 찾으려고 합니다. 이는 기업이 유사한 구매 습관을 가진 고객 그룹을 식별하여 특정 고객 그룹을 대상으로 하는 특정 마케팅 전략을 만들려는 소매업에서 자주 사용됩니다.

2. 연관: 이러한 유형의 알고리즘을 사용하여 연관을 설정하는 데 사용할 수 있는 “규칙”을 찾으려고 노력합니다. 예를 들어, 소매업체는 “고객이 X 제품을 구매하면 Y 제품도 구매할 가능성이 매우 높다”는 것을 나타내는 연관 알고리즘을 개발할 수 있습니다.

다음은 가장 일반적으로 사용되는 비지도 학습 알고리즘 목록입니다.

• 주요 구성 요소 분석
• K-평균 클러스터링
• K-medoid의 그룹화
• 계층적 분류
• 선험적 알고리즘

요약: 지도 학습 또는 비지도 학습

다음 표에는 지도 학습 알고리즘과 비지도 학습 알고리즘의 차이점이 요약되어 있습니다.

다음 다이어그램은 기계 학습 알고리즘의 유형을 요약합니다.