머신러닝의 종류

머신러닝 문제 유형의 구분

• 머신러닝 문제는 크게 지도학습, 비지도학습, 강화학습으로 나눌 수 있음
• 지도학습은 정답이 있는 과거 데이터로 예측이나 분류를 수행
• 비지도학습은 정답 없이 데이터 안의 구조와 숨은 패턴을 탐색
• 강화학습은 선택 결과를 보상으로 받아 더 나은 행동을 학습

지도학습

• 지도학습(supervised learning): 정답이 있는 과거 데이터로 새로운 사례의 결과를 예측하는 방식
• 대표적인 문제 유형: 숫자를 예측하는 회귀와 범주를 예측하는 분류

비지도학습

• 비지도학습(unsupervised learning): 정답 없이 데이터 안의 구조를 찾는 방식
• 비슷한 대상을 묶거나 많은 변수를 요약
• 답을 맞히기보다 숨은 패턴을 탐색
• 군집분석(clustering): 서로 비슷한 대상을 같은 그룹으로 묶기
  • 예: 유사한 작업 조건 묶기
• 차원 축소(dimensionality reduction): 많은 변수를 적은 축으로 요약
  • 예: 여러 설비 센서 값을 2차원으로 줄여 상태 변화 확인

강화학습

• 강화학습(reinforcement learning): 선택의 결과를 보상으로 받아 더 나은 행동을 배우는 방식
• 구성 요소: 상태(state), 행동(action), 보상(reward)
• 목표: 여러 번의 선택 끝에 누적 보상이 커지는 의사결정 규칙 찾기
• 정답표보다 시행착오, 결과 피드백, 장기 성과가 중요
• 예시
  • 설비 제어 조건을 조정하며 품질과 에너지 사용량 균형 탐색
  • 물류 로봇의 이동 경로를 반복 학습해 이동 시간과 충돌 위험 감소