728x90 machinelearning13 [ML] 강화학습 - 강화학습(Reinforcement Learning) 지도학습처럼 정답이 있지 않고 비지도학습처럼 데이터만을 기반으로 학습하지도 않음 강화학습은 에이전트라는 존재가 환경과 상호작용하며, 이 환경에는 보상이라는 기분이 있어서 다양한 시행착오를 겪어가며 보상을 최대화하는 방향으로 학습 진행 다양한 시행착오를 통해 학습이 가능하며, 비교적 명확한 보상을 설정할 수 있는 문제를 해결하는 데 사용 2016년 3월 구글 딥마인드의 AlphaGo 강화학습이란 보상을 최대화하는 의사결정전략, 즉 순차적인 행동을 알아나가는 기법 → Markov decision process - MDP(Markov decision process) 상태, 행동, 보상함수, 상태 변환 확률, 감가율로 구성 에이전트(Agent) : 강화학습.. 2021. 5. 13. [ML] 군집분석(계층 군집, 밀집도 기반 군집) - 계층 군집(Hierarchical clustering) 덴드로그램(Dendrogram)을 그릴 수 있음 의미 있는 분류 체계를 만들어줌 → 군집 결과 이해, 설명에 적합 클러스터의 수를 미리 정하지 않아도 됨 병합 계층 군집(Agglomerative hierarchical clustering) 클러스터 당 하나의 데이터에서 시작하여, 모든 데이터가 하나의 클러스터에 속할 때까지 가장 가까운 클러스터를 병합해 나감 단일 연결 클러스터 쌍에서 가장 비슷한, 즉 가장 가까운 데이터 간의 거리를 계산 거리의 값이 가장 작은 두 클러스터를 하나로 합침 완전 연결 클러스터 쌍에서 가장 비슷하지 않은, 즉 가장 멀리 있는 데이터를 찾아 거리를 계산 가장 가까운 두 클러스터를 합침 평균 연결 : 두 클러스터에 있는.. 2021. 5. 12. [ML] 군집분석(K-means, K-means++) - 정답이 없는 문제를 해결하기 위한 알고리즘 → 비지도학습 '군집분석' - 군집분석(Clustering Analysis) ex) 쇼핑몰에서 페이지 체류 시간, 구매 금액대 등을 토대로 소비자 유형 그룹을 나누고(군집 설정), 새로운 소비자가 쇼핑몰에 들어왔을 때 행동을 바탕으로 앞서 설정해놓은 그룹으로 할당, 비슷한 소비자가 구매한 상품 노출하여 제품 구매율을 높힘 군집은 정답을 모르는 데이터 안에서 숨겨진 구조를 찾는 것 클래스 레이블이 없는 데이터를 특정 군집으로 묶고자 할 때 활용 계층 군집, 밀집도 기반 군집(클러스터 모양이 원형이 아닐 때 사용) - K-평균(K-means) 매우 쉬운 구현성, 높은 계산 효율성 → 학계와 산업현장을 가리지 않고 활약 프로토타입 기반 군집 : 각 클러스터가 하나.. 2021. 5. 11. [ML] 머신러닝 모델(결정 트리 학습, K-근접 이웃) - 결정 트리 학습(Decision tree) 결과에 대한 설명이 중요할 때 사용 훈련 데이터에 있는 변수, 즉 특성을 기반으로 새로운 샘플의 클래스 레이블을 추정할 수 있도록 일련의 질문 학습 범주형 변수, 실수형 변수 트리의 루트(root)에서부터 시작해 정보 이득(Information Gain, IG)이란 값이 최대가 되는 특성으로 데이터를 나눔 위의 과정을 리프 노드(leaf node)가 순수해질 때까지(불순도가 0에 수렴할 때 까지, 하나의 클래스만을 가진 노드가 될 때까지) 모든 자식 노드에서 분할 작업 반복 분할 작업을 계속 반복하여 깊은 트리가 만들어지는데, 이는 과적합 우려 → 트리 최대의 깊이 제한(트리 가지치기 - pruning) 목적함수의 목적 : 가장 정보가 풍부한 특성으로 노드를.. 2021. 5. 11. 이전 1 2 3 4 다음 728x90
