Machine Learning Basics

일반적으로 개발자들이 만든 프로그램은 개발자가 만든 대로 동작하는 explicit 프로그램이다. 좋은 프로그램들이 많지만, rule이 많은 상황에서는 이러한 explicit 프로그램을 만들기 어렵다. 1959년에 우리가 일일히 프로그래밍 하지 말고, 프로그램 자체가 어떤 현상이나 자료를 학습을 해서 스스로 무언갈 배워보자는 재밌는 생각이 나왔다. 그리고 이 재밌는 생각이 바로 Machine Learning의 시작이다.

참고로 Machine Learning이란 단어는 처음 Arthur Samuel 교수가 1959년에 발표한 논문 “Some Studies in Machine Learning Using the Game of Checkers” 에서 “Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed” 라고 정의했다.

Machine Learning을 하기 위해 프로그램은 학습을 해야한다. 학습의 방법에 따라 Supervised Learning과 Unsupervised Learning으로 나뉜다. 아래 Machine Learning 에 대해 간단하게 분류를 해보았다. 아래 분류는 간단한 분류로 다음에 여러 분류에 대해 언급하겠다.

• Supervised Learning
  • Regression
  • Binary Classfication
  • Multi-label Classfication
• Unsupervised Learning

Supervised Learning의 경우 labeled data/information을 가지고 학습한다. 우리가 일일히 data/information의 label을 나누고 학습을 하도록 한다.

Unsupervised Learning의 경우 un-labeled data/information을 가지고 학습한다. 우리가 일일히 label을 주지 않고, 프로그램이 data/information을 보고 스스로 학습하여 유사한 것들을 모으거나 필요한 작업을 한다.

일반적으로 Machine Learning에서 Supervised Learning이 많이 쓰인다. Supervised Learning에는 크게 세 종류가 있다. 점수처럼 측정이 되는 Regression, pass/non-pass처럼 결정이 되는 Binary Classification, 그리고 학점처럼 등급이 나오는 Multi-label Classfication이 있다.

참고로 Machine Learning을 하기 위해 프로그램이 학습 할 data가 필요하다. 보통 이 data를 Traning Data Set이라고 하며, Machine Learning에서 Traning Data Set을 사용하여 학습을 통해 어떤 모델을 만들게 된다. 그리고 이 모델을 통해 어떤 input에 대한 output을 얻을 수 있다.