머신러닝 이론 (3)

3. 강화 학습 (Reinforecement Learning)

- 지도학습과 비슷하지만 완전한 답(Label)을 제공하지 않는 특징이 있다

- 기계는 더 많은 보상을 얻을 수 있는 방향으로 행동을 학습

- 주로 게임이나 로봇을 학습시키는데 많이 사용

 

머신러닝(Machine Learning) 활용분야

- 기존 솔루션으로는 많은 수동 조정과 규칙이 필요한 문제

- 전통적인 방식으로는 전혀 해결 방법이 없는 복잡한 문제

- 새로운 데이터에 적응해야하는 유동적인 환경

- 대량의 데이터에서 통찰을 얻어야 하는 문제

 

scikit-learn

- 파이썬에서 쉽게 사용할 수 있는 머신러닝 프레임워크, 라이브러리

- 회귀, 분류, 군집, 차원축소, 특성공학, 전처리, 교차검증, 파이프라인 등 머신러닝에 필요한 기능을 갖춤

- 학습을 위한 샘플 데이터도 제공

 

XOR 연산 학습하기

KNN 분류 모델을 사용

knn = KNeighborsClassifier(n_neighbors=1)

knn.fit(문제 데이터, 답)

예측한 답 = knn.predict(답을 얻고 문제 데이터)

score = metrics.accuracy_score(실제 답, 예측한 답)

 

대표적인 학습 방법  - AND 연산의 예

 

머신러닝(Machine Learning) 학습 과정