Supervised learning

이미 분류되어 레이블이 달려있는 training set 을 통해 학습하는 방법

ex

• 이미지 라벨링: 태그된 이미지를 training set으로 학습한다.
• 스팸 필터 : 스팸메일과 스팸메일이 아닌것으로 분류된 training set을 학습한다.
• 시험점수 예상 : 시험공부 시간과 시험점수를 매칭한 training set을 학습한다.

Training data set

Supervised learning 방법은 feature와 value가 담겨있는 레이블(Training data set)을 학습해서 모델을 생성한다.

ex

AlphaGo

레이블의 예시

생성한 모델과 동작 방식

위와 같은 레이블을 학습해서 만든 모델에 X의 값으로 [1,2,3] 을 넘겨주면 Y 값으로 1이라는 결과를 반환한다.

Y = f(X)

Supervised learning 의 종류

regression

범위 안에 속한 값을 예측하는 방법
ex) 시험점수 예상

위의 레이블을 학습했을때 regression 모델이 생성되고 hours 값으로 7을 줬을때 75라는 score 를 예측해 반환한다.

binary classification

레이블을 통해 이분법(yes or no)으로 값을 예측하는 방법
ex) 패스, 논패스

위의 레이블을 학습했을때 binary classification 모델이 생성되고 hours 값으로 10을 줬을때 P 라는 결과를 예측해 반환한다.

multi-label classification

여러 레이블을 대상으로 예측해보고 매칭된 레이블과 연결된 값을 예측결과로 하는 방법
ex) 학점 예상 A, B, C, E, F. 각 학점마다 레이블이 있다.

위의 레이블을 학습했을때 multi-label classification 모델이 생성되고 hours 값으로 9를 줬을때 B라는 결과를 예측해 반환한다.

Unsupervised learning

일일이 분류해서 레이블을 달아줄 수 없을때 데이터를 보고 자동으로 유사한 것들을 분류하는 학습 방법