머신러닝, 딥러닝에서 사용되는 학습방법: 미리어드 스페이스 인공지능, 머신러닝, 딥러닝 저자 직강 시리즈

머신러닝 정의

컴퓨터가 주어진 임무를 완수할 수 있도록 경험을 쌓는 것

경험이라 함은 학습을 의미함

 

학습에는 처리방법, 처리구조가 있는데 

처리방법 = 머신러닝

처리구조 = 딥러닝

 

처리방법은 사람의 경험을 모델안에 구현하는것

처리구조는 신경망 모델, 모델 스스로 학습

 

 

Tom Mitchell 교수의 머신러닝 정의

과업(임무) T를 수행할 때 경험 E를 통해 성능 P만큼 개선 되었다면 그 프로그램은 과업 T와 성능 P에 대해 경험 E를 통해 학습했다 라고 할 수 있다.

 

 

머신러닝 구현 요소

 

머신러닝 학습 종류

 

 

supervised learning = 지도학습

 

분류 = y가 범주형일때

예측 = y가 연속형일때

 

 

 

 

 

 

 

강화학습에 학문적 배경에는 2가지가 있다

행동심리학, 제어가 있다

행동심리학을 기반으로 한것이 모델프리

제어를 기반으로 한것이 모델기반이다

 

 

 

알파고는 정책기반의 강화학습 모델

Policy network (actor)

Value network (critic) -> 목적함수

 

알파고에는 2가지 네트워크가 존재하는데 Policy network가 행동하게 되면 Value network가 평가를하고 Value network의 Value를 최대화 하기 위해 Policy network 행동을 찾는것이 알파고에 강화학습 방법

 

최근에는 신약개발에도 강화학습 방법이 많이 사용됨

자본시장에도 강화학습이 많이 사용됨

 

 

 

오른쪽 그림을 MDP(Markov Decision Process)라고 한다 

MDP = 강화학습을 풀어내는 방정식

 

가장 최선을 행동을 찾아내는 방정식

가장 가치(Value)가 높은 행동을 찾는다

 

층층이 쌓인 신경망 구조 = 비선형해석이 가능하다 = 복잡한 문제를 해결할 수 있다.

 

 

 

 

1epoch -> 내가 제공한 데이터셋을 한번 학습한것

batch size만큼 여러번의 iteration이 끝나면 1epoch이다

 

 

 

 

 

 

 

출처: https://youtu.be/ghTFw84pL_A