Traditional Programming 머신러닝
(1)
프로그래머가 만드는 부분은 일차 함수 (Y=3x+10)
(2)
데이터 사이언티스트가 함수를 직접 만들지 않고 인풋 데이터와 아웃풋 데이터를 활용하여 가운데 어떤 함수가 들어가는 게 가장 적절한지
머신러닝이란?
1. Supervised Learning
우리가 이미 답을 알고 있을 때 사용 가능한 머신러닝
(Y 값 종속변수를 이미 알고 있을 때)
인풋 데이터와 아웃풋 데이터를 모두 넣어 자동으로 머신러닝이 새로운 데이터가 들어왔을 때 판단 가능
2. Unsupervised Learning
답을 모를 경우 사용
우리가 알고자 하는 답(결과)이 아직 정해지지 않음
ex) 클러스터링
비슷한 데이터 끼리 묶어주는 알고리즘
과일을 예로 들자면 크기별 과일이름별 색깔별
장점 : 각각의 클러스터가 어떤 특성을 가졌는지 직접 확인하면서 우리가 알지 못했던 새로운 클러스터의 개념을 만들 수 있음 (일반적인 직업, 나이, 성별 이외 새로운 복잡한 기준과 특성 파악 가능)
3. Reinforcement Learning
보상과 처벌이라는 기준을 가지고 머신 학습
ex) 알파고, 자율주행 자동차