머신러닝(ML)의 대표적인 문제 유형

 

1. 회귀(Regression): 
   - 목적: 주어진 입력(input)을 바탕으로 연속적인 값(실수)를 예측하는 것.
   -  주택의 면적을 입력으로 받아 주택 가격을 예측.

2. 분류(Classification): 
   - 목적: 입력 데이터를 보고 해당 데이터가 어떤 범주(클래스)에 속하는지를 예측하는 것.
   -  이메일이 스팸인지 아닌지 분류, 손글씨 숫자 인식.

3. 군집화(Clustering): 
   - 목적: 데이터를 비슷한 것끼리 그룹화(클러스터링)하는 것.
   - 특징: 비지도 학습의 대표적인 예. 정답(label)이 주어지지 않은 데이터에서 유사한 특징을 가진 데이터끼리 그룹을 형성.
   -  고객 세그먼트 분석, 문서 유사도 분석.

4. 강화학습(RL: Reinforcement Learning): 
   - 목적: 에이전트가 환경과 상호작용하면서 최적의 행동을 학습하는 것. 보상을 최대화하는 방향으로 정책(policy)을 학습.
   -  게임에서 최적의 전략 학습, 로봇 제어.

5. 생성적 적대 신경망(GAN: Generative Adversarial Networks):
   - 목적: 새로운 데이터(예: 이미지, 텍스트 등)를 생성하는 모델 학습.
   - 특징: 두 개의 신경망(생성자와 판별자)이 서로 경쟁하면서 학습하는 구조.
   -  가짜 이미지 생성, 데이터 증강.