Supervised Learning/Unsupervised Learning

Coursera의 Machine Learning Specialization강의를 정리한 내용입니다.

Supervised learning

Supervised learning(지도학습)은 x에서 y로 또는 input(입력)과 output(출력) label의 데이터 셋이 주어져서 이 정보를 통해 input과 output의 관계를 유추하는 것이다. 즉, 기존 정보를 토대로 출력값이 없는 새로운 input에 대해 output을 추측하는 학습 방법이다.

 

다시 말해, 모델이 x와 y의 쌍으로부터 학습한 후에는 이전에 본적이 없는 새로운 입력 x를 받아 적절한 출력값 y를 생성하게된다.

 

 Supervised Learning은 크게 Regression(회귀)과 Classification(분류)으로 나뉜다.

 

Regression(회귀)

Regression이란 무한히 많은(모든 범위에서) 가능한 출력값을 예측하는 것이다.

 

regression의 예

x축은 House size이며, y축은 Price를 의미한다. 우리에게는 X표시로 dataset이 주어졌다.

750 평방피트의 주택가격이 얼마인지 알고싶다고 가정해보면,

데이터에 가장 적합한 직선(150k 예상)이나 곡선(200k 예상) 또는 다른 것을 선택함으로써 주택의 예상가격을 예측할 수 있다.

---

Classification(분류)

Classification이란 가능한 output의 작은 집합만을 가지고 출력 클래스(=출력 카테고리)를 예측하는 것이다.

즉, output이 될 수 있는 것이 정해져있다.

분류과정에서 출력 클래스나 출력 카테고리는 같은 의미로 쓰인다.

의사가 유방암을 진단하기 위해 기계학습 시스템을 구축하고 있다고 가정하자.

위 그래프는 종양의 사이즈에 따른 악성(1)/양성(0) 여부이다.

가로축은 종양의 size를, 세로축은 두개의 값(0 또는 1)만을 나타내는 그래프로 데이터를 표시할 수 있다.

 

또한, 해당 예제에서는 가능한 범주(Category)가 2개 뿐이므로 dataset을 두번째처럼 하나의 직선상에 표시할 수도 있다.

양성 class를 O, 악성 class를 X 기호를 사용해서 표시하자.

 

Classification에서는 아래와 같이 출력 클래스가 2개 이상인 Multiclass classification(다중분류)도 가능하다.

class는 0,1,2 같은 숫자일 수도 있다.
그러나 숫자를 해석할 때 classification는 0,1,2와 같이 가능한 출력 범주의 작고 유한한 제한된 집합을 예측하지만
회귀는 가능한 모든 숫자를 예측한다는 점이 다르다.(0.5 또는 1.7...등등)

물론, 출력 클래스가 꼭 숫자일 필요는 없다.
ex. 사진이 고양이인지 개사진인지 예측하는 것, 양성/악성 종양을 구분하는 것도 Class가 될 수 있다.

또한, 둘 이상의 입력값을 사용하여 출력값을 예측할 수 있다. 

위 그래프는 나이(Age) 조건을 추가해서 종양의 size와 age에 따른 악성/양성 그래프이다.

학습 알고리즘은 악성 종양과 양성 종양을 구분하는 boundary(경계)를 찾음으로써, 종양의 종류를 구분 할 수 있다.

따라서 학습 알고리즘은 해당 데이터를 통해 어떻게 boundary line을 맞출지 결정해야한다.

---

Unsupervised Learning(비지도 학습)

Unsupervised Learning(비지도학습)은 라벨링되어있지 않은 데이터에서 흥미로운 무언가(구조, 패턴 등)를 찾는 것이다.

즉, 알고 있는 출력값(label y)없이 학습하는 머신러닝을 의미한다. 오직 input data만으로 데이터에서 지식을 추출할 수 있어야한다. 

다시말해, x에 따른 y의 출력을 예측하는 것이 아니라 주어진 dataset의 구조나 패턴을 찾아내는 것이다.

Clustring(군집화)

Clustering이란 각 주어진 data들이 얼마나 유사한지에 따라 데이터를 군집으로 분류하는 것이다. 

위의 사진에서, Google news에서 클러스터링을 사용하는 것을 알 수 있다. 인터넷에 있는 수십만개의 뉴스 기사를 살펴보고 관련기사를 그룹화하고 있다.(다양한 기사에서 공통으로 언급된 단어가 발견되어 클러스터링 알고리즘이 해당 기사들을 찾음을 알 수 있다.)

Clustering 알고리즘은 유전학 자료를 연구하는 데에도 사용된다.

위의 사진은 DNA microarray 데이터를 보여준다. 

작은 열 하나하나가 한 사람의 DNA를 나타내며, 각 행은 특정한 유전자(눈색깔, 키..등등)를 나타낸다.

 각 색은 개체마다 특정 유전자가 활성화 되어 있거나 활성화되지 않은 정도를 나타낸다. 

클러스터링 알고리즘을 통해 개인을 Type1, Type2, Type3와 같이 여러 범주로 그룹화할 수 있다.

알고리즘에 특정한 특성을 가진 Type1의 사람이 있다고 미리 알려주는 것이 아니기에 비지도 학습의 일종이다.

서비스를 제공할 때, 시장 세분화를 통해서 사람들을 구별하는 것도 Clustering의 한가지 예이다. 

---

Anomaly detection & dimensionality reduction

또한, Clustering외에도 다른 유형의 비지도 학습이 존재한다.

- Anomaly detection(이상탐지)

이상 탐지는 비정상적인 이벤트를 탐지하는 데 사용된다. 금융 시스템 및 기타 여러 애플리케이션에서 사기 탐지에 매우 중요한 역할을 한다.

- dimensionality reduction(차원 축소)

dimensionality reduction은 큰 데이터 집합을 가져와서 정보를 최대한 적게 손실하면서 더 작은 데이터 집합으로 압축하는 것을 말한다.

 

---

 

reference 

https://junstar92.tistory.com/13

[Machine Learning] Supervised Learning/Unsupervised Learning