기계학습

영어	Machine Learning (ML)
분류	인공지능 분야
핵심	데이터로부터 학습
유형	지도/비지도/강화 학습

'''기계학습'''(Machine Learning)은 명시적인 프로그래밍 없이 데이터로부터 패턴을 학습하여 예측하거나 결정을 내리는 [[인공지능]]의 하위 분야입니다. [[youtube:ukzFI9rgwfU|기계학습 소개]] == 개요 == 기계학습은 1959년 Arthur Samuel이 정의한 개념으로, 컴퓨터가 명시적으로 프로그래밍되지 않고도 학습할 수 있는 능력을 연구합니다. 현대 AI의 핵심 기술이며, [[딥러닝]]은 기계학습의 하위 분야입니다. == 학습 패러다임 == === [[지도 학습]] === * 레이블된 데이터로 학습 * 분류, 회귀 * 예: 스팸 필터, 주가 예측 === [[비지도 학습]] === * 레이블 없는 데이터 * 클러스터링, 차원 축소 * 예: 고객 세분화 === [[강화학습]] === * 환경과 상호작용 * 보상 최대화 * 예: 게임 AI, 로봇 === 자기지도 학습 === * 레이블 자동 생성 * LLM 사전훈련 * 대조 학습 == 주요 알고리즘 == === 분류 === * 로지스틱 회귀 * 결정 트리 * 랜덤 포레스트 * SVM * [[신경망]] === 회귀 === * 선형 회귀 * 다항 회귀 * 그래디언트 부스팅 === 클러스터링 === * K-means * DBSCAN * 계층적 클러스터링 === 차원 축소 === * PCA * t-SNE * UMAP == 학습 과정 == # 데이터 수집 # 데이터 전처리 # 특징 엔지니어링 # 모델 선택 # 학습 (Training) # 평가 (Validation) # 튜닝 (Hyperparameter) # 배포 (Deployment) == 주요 개념 == === 과적합 (Overfitting) === * 학습 데이터에만 최적화 * 새 데이터에 일반화 실패 * 정규화로 방지 === 편향-분산 트레이드오프 === * 편향: 모델 단순화 오류 * 분산: 데이터 민감도 * 균형 필요 === 교차 검증 === * K-Fold 검증 * 모델 성능 평가 * 과적합 방지 == 도구 및 프레임워크 == * scikit-learn * TensorFlow * PyTorch * XGBoost * Keras == 활용 분야 == * 추천 시스템 * 사기 탐지 * 의료 진단 * 자연어 처리 * 컴퓨터 비전 == 관련 문서 == * [[딥러닝]] * [[인공지능]] * [[지도 학습]] * [[신경망]] [[분류:인공지능]] [[분류:기계학습]] [[분류:데이터 과학]]