[ML] 🤸 3. 머신러닝 알고리즘

 

 

 

🤸  머신러닝 알고리즘 🤸

 

 

 

 

 

1. 인공신경망 주요 변천사

 

통계 (Statisticians) >> 기호기반 (Symbolists) >> 연결기반 (Connectionists) >> 유추기반 (Analogizers)  >> 베이지안 (Bayesians) >> 진화기반 (Evolutionaries) >> 앙상블기반 (Ensembles)

 

2. 머신러닝 알고리즘

1)  통계 (Statisticians) : Parametric - Semi-parametric - Nonparametric

: 인간의 지능과 두뇌 구조에 대한 고찰보다, 문제를 어떻게 통계적으로 풀어내는가에 더 관심을 가진다.

 

* 설명변수와 반응변수에 따라 case 구분하기

* Case Ⅰ: Categorical Data Analysis 방법론 (예: 동질성 검증)

* Case Ⅱ: Discriminant Analysis 방법론 (예: 로지스틱회귀모형, 판별분석모형)

* Case Ⅲ: 분산분석 방법론 (예: 평균차이 검증, 분산분석)

* Case Ⅳ: General Linear Model 방법론 (예: 상관분석, 회귀분석모형)

 

2) 기호기반 (Symbolists):  Decision Tree Model

: 컴퓨터 작동 방식에 맞게 기호와 규칙을 사용하는 규칙 기반(Rule-based) 인공지능으로 오래전부터 지금까지 지속적으로 사용되고 있는 방식이다.

의사 결정 모델(Desicion Tree Model)

 

3) 연결기반 (Connectionists) : Artificial Neural Network Model (ANN)

- 뇌 구조를 낮은 수준에서 모델링한 후, 외부 자극(학습 데이터)을 통해 인공두뇌의 구조와 가중치 값을 변형시키는 방식으로 학습을 시도한다. 신경망 기반 AI, Perceptron, MLP(Multi-Layered Perceptron), 딥러닝(Deep Learning)

-  네트워크 출력과 목표 값의 차이를 비교하여 여러 층에 연결된 연결 상태를 계속 바꿔가면서 목표와 가까워지도록 함

 

4) 유추기반 (Analogizers) : Nearest Neighbor, Support Vector(SVM)

: 비유사도 / 유사도에 따라 정의된 기준으로 가장 가까이 있는 개체들을 묶어 나가는 방법론

Nearest Neighbor

K-means

SVM

5) 베이지안 (Bayesians) : Bayesian Model

: 어떤 사건이 서로 배반하는 원인 둘에 의해 일어난다고 할 때 실제 사건이 일어났을 때 이것이 두 원인 중 하나일 확률을 구하는 정리를 베이즈의 정리라고 한다

 

 

6) 진화기반 (Evolutionaries) : Genetic Algorithm(GA)

: 유전 알고리즘(GA)은 진화를 일으키는 유전과정을 모델링이다. 이는 전역 최적화 기법으로, 최적화 문제를 해결하는 기법의 하나이다. 자연 세계의 진화 과정에 기초한 계산 모델로서 생물의 진화를 모방한 진화 연산의 대표적인 기법이다

 

7) 앙상블기반 (Ensembles) Ensemble Model, Mixture Model

- 더 정확한 학습 모델을 만들기 위해 여러 개의 학습 기법(로지스틱 회귀, 의사결정나무, 신경망과 같은 지도학습기법)을 결합하는 방법

- 기본모형보다 더 좋은 성능을 내고자 고안된 기법으로 그만큼 모형은 복잡해서 설명되기 어렵지만 성능이 높다는 장점이 있음