기계학습_{(r7로 되돌리기)}

[[분류:기계학습]]
[목차]
[clearfix]

== 개요 ==
{{{+1 機械學習 / Machine Learning}}}

[[전문가 시스템|프로그래머의 명시적인 지침]] 없이 주어진 데이터만을 이용해 시스템(모델)이 직접 규칙을 학습하고 [[역전파|오차를 반영하여]] 정확도를 개선하고 새로운 데이터에 대한 예측이나 판단을 수행하도록 하는 알고리즘 혹은 모델링 기법을 총칭하여 이르는 말이다.

== 상세 ==
> 컴퓨터 프로그램이 어떤 작업 T에 대해, 성능 측도 P로 측정되는 성능이 경험 E에 따라 향상된다면, 우리는 그 프로그램이 학습한다고 말한다.
>------
> ''Tom M. Mitchell, "Machine Learning", McGraw-Hill, 1997''

기계학습은 어떠한 이론적 뿌리로부터 뻗어져 나온 이론 체계라기 보다는 '스스로 학습하는 시스템'을 구성하기 위해 수학의 다양한 분야로부터 필요한 개념들을 조합한 구성체에 가깝다. 기계학습을 구성하는 요소로 언급되는 학문들은 주로 통계학, 선형대수학, 최적화이론, 정보이론, 이론 컴퓨터 과학, 제어이론 등이 있다. 이렇듯 기계학습은 20세기 후반에 각 분야의 수학적 성과들을 응용하여 명시적 알고리즘을 설계하기 어려운 작업들을 기계학습의 방법론을 통해 해결하고자하였다.

[[인공지능]]과 혼동되지만, 모든 모델링 문제가 일종의 '지능(intelligence)'을 요구하는 것은 아니다. 클러스터링, 날씨 예측, 주가 분석, 카메라 번호판 인식(OCR), 광고 추천, 자연어 임베딩 등 다양한 task에 '지능'이 필요하냐고 묻는다면 하나로 답변하기 매우 어려울 것이다. 애초에 [[지능]]이란 무엇인가?와 같은 질문은 [[철학]]이나 윤리의 영역이지, ML은 순수한 [[공학]], 즉 '원리야 어찌됐든 통하면 장땡(...)' 이라는 사고방식에 기반하는 일종의 methodology로 접근하는 게 좋다.
== 각종 기계 학습 알고리즘 ==
 * 최적화 알고리즘
  * Gradient Descent
  * Newton's Method
 * 회귀 기반 알고리즘
  * linear regression
  * logistic regression
  * [[인공신경망]]
 * 확률 기반 알고리즘
  * Naive Baysian Algorithm
  * Gaussian Mixture Model
  * Hidden Markov Model
 * 기하 기반 알고리즘
  * K-clustering
  * K-nearest neighbors
  * Support Vector Machine
 * 기타 알고리즘
  * [[강화학습]]
  * 유전학습
요약
기계학습(r7로 되돌리기)

기계학습_{(r7로 되돌리기)}
