전통적 기계 학습

인공지능 개념(컴퓨터 과학 5511) 강의 6에 오신 것을 환영합니다. 이번 세션은 이론적 기초에서 실제 알고리즘 구현으로 연결되는 다리 역할을 합니다. 현대적인 인공지능이 딥러닝에 주목하는 가운데, 전통적 기계 학습는 데이터 분석의 근간입니다. 이러한 알고리즘은 높은 해석 가능성과 계산 효율성을 제공하여 구조화된 데이터와 산업 표준 분석에 최선의 선택이 됩니다.

1. 지도 학습

이 접근법은 입력 특징과 특정 목표 출력 사이의 관계를 학습하는 라벨링된 데이터셋에서 알고리즘이 학습하는 방식입니다. 이를 통해 모델은 새로운 미관측 데이터에 대해 정확하게 결과 예측을 정확히 할 수 있습니다.

• 의사결정 트리: 데이터를 가지치기하여 분류 또는 수치 결정에 도달하는 모델입니다.
• 서포트 벡터 머신(SVM): 데이터 클래스 간의 마진을 최대화하기 위해 최적의 하이퍼플레인을 찾는 알고리즘입니다.

2. 비지도 학습

이 알고리즘들은 어떤 출력이 무엇이어야 하는지에 대한 사전 지시 없이, 숨겨진 패턴, 구조 또는 그룹을 발견하기 위해 라벨 없는 데이터를 분석합니다. 주요 기법에는 다음이 포함됩니다:

• K-평균 군집화: 특성 유사성을 기반으로 데이터 포인트를 서로 다른 K개의 그룹으로 나누는 것입니다.
• 주성분 분석(PCA): 복잡한 데이터를 단순화하면서도 본질적인 분산을 유지하기 위해 사용하는 차원 축소기술입니다.