기계학습(머신러닝)의 유형에 대해 알아보겠습니다.
먼저 지도학습(감독학습, Supervised Learning), 비지도학습(Unsupervised Learning) , 강화학습(Reinforcement Learning)으로 나눌 수 있습니다. 필요에 따라 세 방법을 적절히 섞어서 사용하기도 합니다. 먼저 지도 학습은 문제와 답이 정해져 있는 자료들을 기계가 학습하는 방법입니다. 예를 들어 개와 고양이를 직접 보여주거나 사진을 주면서 ‘이것은 개’, ‘이것은 고양이’ 이렇게 답을 제시하면서 학습시키는 방법입니다.
다음 비지도 학습은 개와 고양이를 학습하지 않은 기계에게 개와 고양이 사진을 주면서 스스로 공부해보도록 하는 것입니다. 컴퓨터가 스스로 개와 고양이의 특징을 찾아 구별을 하도록 합니다. 답을 스스로 찾아야 하기 때문에 일반적으로 지도 학습보다 많은 데이터가 필요하고 결과값으로 사람이 원하지 않은 결과가 나올 수 있습니다.
마지막으로 강화 학습은 기계에게 목표를 알려주고 데이터를 통해서 결정할 때마다 그 결정에 대한 보상을 합니다. 목표에 가까운 결정일수록 높은 보상을 하면서 사람이 원하는 방향으로 기계가 학습하도록 합니다.
3가지 학습에 대한 자세한 내용은 각각의 해당되는 내용의 챕터( Ⅳ.자료와 학습(초급) – 2. 지도학습, 3.비지도학습, Ⅳ.자료와 학습(중급) – 3. 강화학습)에서 확인해보겠습니다.