전통적 기계 학습

전통적 기계 학습

인공지능 개념(COMP5511) 6주차에 오신 것을 환영합니다. 이번 수업은 이론적 기초에서 실용적인 알고리즘 구현으로 나아가는 가교 역할을 합니다. 현대 AI는 흔히 딥러닝을 강조하지만, 전통적 기계 학습 은(는) 여전히 데이터 분석의 근간입니다. 이러한 알고리즘은 높은 해석 가능성 과 계산 효율성을 제공하여 정형 데이터와 업계 표준 분석에 선호되는 선택지입니다.

1. 지도 학습

이 패러다임은 모델을 레이블이 지정된 데이터셋으로 훈련시키는 것으로, 알고리즘이 입력 특성과 특정 목표 출력 간의 관계를 학습합니다. 이를 통해 모델은 결과를 예측 하여 새로운 미지의 데이터에 대해 정확하게 예측할 수 있습니다.

• 의사 결정 트리: 분류 또는 수치적 결정에 도달하기 위해 데이터를 분기로 나누는 모델입니다.
• 서포트 벡터 머신(SVM): 서로 다른 데이터 클래스 간의 마진을 최대화하는 최적의 초평면 을 찾는 알고리즘입니다.

2. 비지도 학습

이러한 알고리즘은 레이블이 없는 데이터 를 분석하여 출력이 무엇이어야 하는지에 대한 사전 지침 없이 숨겨진 패턴, 구조 또는 그룹을 발견합니다. 주요 기법은 다음과 같습니다:

• K-평균 클러스터링: 특성 유사성을 기반으로 데이터 포인트를 K개의 서로 다른 그룹으로 묶습니다.
• 주성분 분석(PCA): 복잡한 데이터를 핵심 분산을 유지하면서 단순화하는 데 사용되는 차원 축소 기법입니다.