Machine Learning (ML) 이란?

Machine Learning (ML) 이란?

Machine Learning(ML, 기계학습)은 공식이나 규칙만으로 해결하기 어려운 문제를 컴퓨터가 스스로 학습하고 패턴을 찾아 해결할 수 있도록 하는 기술입니다. 데이터를 기반으로 모델을 훈련시켜 정답을 예측하거나 분류하는데 활용되며, 다양한 분야에서 널리 사용되고 있습니다.
기계학습은 학습 방식에 따라 지도(Supervised), 비지도(Unsupervised), 강화(Reinforcement) 학습의 세 가지 유형으로 나뉘며, 각각의 방식은 데이터의 특성과 학습 목적에 따라 다르게 적용됩니다.

• 지도학습 :정답(Label)을 가지고 주어진 입력(데이터)에 맞는 출력을 찾아내는 학습 방법, 회귀와 분류로 나뉨
• 비지도학습 : 정답(label)이 없이 데이터의 특징(규칙성, 유사성)을 찾아내는 학습 방법, 군집화와 차원축소로 나뉨
• 강화학습 : 주어진 환경과 상호작용 하며 보상을 최대화하는 방식으로 학습하는 방법

아래는 위 3가지의 학습 방식을 기반으로 다양한 목적에 맞춰서 사용되는 기계학습 알고리즘을 정리한 것으로, 이외에도 다양한 알고리즘이 있으며 현재도 지속적으로 개발되고 있습니다.

- Regression (회귀) & Classification (분류)

• Linear Regression, Logistic Regression, Ridge & Lasso Regression, k-Nearest Neighbors, SVM(Support Vector Machine), Decision Tree, Random Forest, ANN(Artificial Neural Networks), .. 등

---

- Clustering (군집화)

• k-Means Clustering, Hierarchical Clustering, DBSCAN(Density-based Spatial Clustering of Application with Noise), GMM(Gaussian Mixture Models), Mean Shift Clustering, SOM(Self-Organizing Map), OPTICS (Ordering Points To Identify the Clustering Structure), Spectral Clustering, .. 등

---

- Diemension Reduction (차원 축소)

• t-SNE(t-distributed Stochastic Neighbor Embedding), UMAP(Uniform Manifold Approximation and Projection for Dimension Reduction), PCA(Principal Component Analysis), NMF(Non-negative Matrix Factorization), .. 등

---

- Anomaly Detection (이상치 탐지)

• Local Outlier Factor, Isolation Forest, One-Class SVM, .. 등

---

- Optimization (최적화)

• Bayesian Optimization, Simulated Annealing, Greedy Algorithm, Genetic Algorithm, .. 등

---

- Explainable AI (xAI)

• Shapley values, SHAP(SHapley Additive exPlanations), LIME(Local Interpretable Model-agnostic Explanations), .. 등