머신러닝 (Machine Learning)

머신러닝 (Machine Learning)

명시적 프로그래밍 없이 데이터로부터 패턴과 규칙을 자동 학습하여 예측이나 결정을 수행하는 인공지능 기법으로, 지도학습·비지도학습·강화학습의 세 가지 주요 방식을 통해 데이터 기반 문제 해결

특징: 데이터 기반(경험으로 학습), 자동 패턴 발견(명시적 프로그래밍 불필요), 성능 개선(데이터 추가로 향상), 일반화 능력(새 데이터에 적용)

구성요소: 데이터(학습원천), 특징(속성), 모델(수학적표현), 손실함수(오차측정), 최적화알고리즘(파라미터업데이트), 평가지표(성능측정)

학습방식

• •지도학습: 레이블 데이터(X,Y), 분류·회귀, 선형회귀·SVM·랜덤포레스트
• •비지도학습: 레이블 없음(X만), 군집화·차원축소, K-means·PCA·DBSCAN
• •강화학습: 환경상호작용, 보상최대화, Q-Learning·DQN·PPO

프로세스: 데이터수집 → 전처리 → 특징추출 → 모델학습 → 평가 → 배포

평가지표

• •분류: Accuracy, Precision, Recall, F1, ROC-AUC
• •회귀: MSE, RMSE, MAE, R²

적용사례: 스팸필터(나이브베이즈), 집값예측(회귀), 고객세분화(군집화), AlphaGo(강화학습)

비교: 전통프로그래밍(규칙명시) vs 머신러닝(패턴자동발견)

연관: 인공지능, 지도학습, 비지도학습, 강화학습, 딥러닝, 특징공학, 과적합