머신러닝 시스템의 종류

세 가지 방법으로 분류할 수 있다.

훈련 지도 방식

• 지도
• 비지도
• 준지도
• 자기지도
• 강화

실시간으로 점진적인 학습 여부

• 온라인
• 배치

알고 있는 데이터 포인트와 비교하는지 패턴 발견하는지

• 사례 기반
• 모델 기반

범주들은 배타적이지 않다. 일반적인 머신러닝 시스템은, 세 개의 분류를 가진다는 것이다.

훈련 지도 방식으로 분류

지도 학습 : 정답을 줘서 학습

• 스팸 필터
• 중고차 가격 예측

비지도 학습 : 정답을 안 줘서 학습

• 블로그 방문자 계층 군집
• 차원 축소(데이터에서 패턴을 요약 -> 정답이 없음)
• 이상치 탐지
• 연관 규칙 학습

준지도 학습 (일반적으로 지도학습과 비지도학습의 조화)

• 구글 포토 서비스(닮은 사람 인식-비지도학습, 이름 입력하면 레이블 생김)

자기 지도 학습 : 정답을 스스로 만들기

• 개와 고양이 사진 마스킹 후 복원하며 학습

강화학습 : 정답이 주어지지만, 늦게 주어짐. 정답에 영향을 준 행동을 스스로 알아냄

• 게임, 알파고
• 로봇제어
• LLM 학습의 RLHF

점진적 학습여부로 분류

배치 학습 : 점진적으로 학습하지 않는다.

• 학습이 안정적이고, 빠르다.
• 학습한 것을 적용만 하는 상태 : 오프라인 학습
• 학습을 안 하기 때문에 성능 떨어짐 : 모델 부패, 데이터 드리프트

온라인 학습 : 점진적으로 학습한다.

• 데이터를 1개씩 또는 묶음(미니배치)로 학습
• 한 컴퓨터의 메모리에 못 들어가는 큰 데이터 학습 가능 : 외부 메모리 학습
• 변하는 데이터에 적응하는 정도 : 학습률

예측의 방식으로 분류

사례 기반 학습

• 단순히 데이터를 기억->knn등

모델 기반 학습

• 데이터들로 함수를 만들어 예측한다.

예를 들어, 스팸 필터는 지도 학습+배치 학습+모델 기반 학습일 수 있다. (어떻게 만드냐에 따라서 다르다.)