지도학습(Supervised), 비지도학습(Unsupervised), 강화학습(Reinforcement)

1. 지도 학습(Supervised Learning)

---

Y = f (X)에 대하여 입력변수(X)와 출력변수(Y)의 관계에 대하여 모델링 하는것 (Y에 대하여 예측 또는 분류하는 문제)

• 회귀(Regression) : 입력 변수 X에 대해서 연속형 출력 변수 Y를 예측
• 분류(Classification) : 입력 변수 X에 대해서 이산형 출력 변수 Y(class)를 예측

2. 비지도 학습(Unsupervised Learning)

---

출력 변수(Y)가 존재하지 않고, 입력 변수(X)간의 관계에 대해 모델링 하는 것

• 군집 분석 : 유사한 데이터끼리 그룹화하는 것
• PCA : 독립변수들의 차원을 축소화하는 것

3. 강화학습(Reinforcement Learning)

---

• 수 많은 시뮬레이션을 통해 현재의 선택이 먼 미래에 보상이 최대가 되도록 학습하는 것
• Agent가 Environment에서 action을 취하고 보상을 받고 이 보상이 최대가 되도록 최적의 action을 취하는 방법을 배움

4. 정리

---

지도학습(Supervised Learning)

• Input, output 데이터가 존재함. 
• 정답이 있음(Labeled data)

 

비지도학습(Unsupervised Learning)

• Input 데이터만 존재함.
• 정답이 존재하지 않음(Unlabeled data)

 

강화학습(Reinforcement Learning)

• 데이터 셋이 존재하지 않음.
• 상황과 행동이 존재함시뮬레이션을 계속 합니다.
• 결정을 만들어냅니다.