머신러닝

머신러닝(Machine Learning)

컴퓨터가 데이터를 통해 유의미한 패턴과 통계적인 함수를 발견하여 행동의 지침이 되는 지식(예측, 분류, 회귀, 추천 등)을 얻어내는 행위

 

1. 머신러닝 알고리즘의 범주

1-1. 회귀

• 의미: 입력데이터를 바탕으로 원하는 타겟변수의 미래결과 예측
• 활용예시
  1. 금융분야: 주식시장 예측, 환율예측, 상품 risk예측 등
  2. CRM: 백화점 수요예측, 가격견적, 광고입찰, 고객의 쿠폰반응 예측 등

1-2. 분류

• 의미: 입력데이터를 바탕으로 개별 데이터의 부류(Class)를 예측하거나 계급 결정
• 활용예시
  1. 스팸 필터링
  2. 신용카드 사기탐지
  3. VIP 고객 여부 분석
  4. 제조 결함 탐지
  5. 약물 효능 검사

1-3. 추천

• 의미: 고객이 선호하는 상품 혹은 그 대안 예측
• 활용예시
  1. 홈쇼핑의 상품 추천
  2. 넷플릭스의 영화 추천
  3. 유튜브의 선호 영상 추천
  4. 온라인 데이트
  5. 구인구직

1-4. 대체

• 의미: 누락된 입력데이터의 값 보강
• 활용예시
  1. 불완전한 환자의 의료 데이터 기록 보강
  2. 손상된 고객 데이터 보충
  3. 인구조사 자료보충

2. 머신러닝 Workflow

*EDA(탐색적 데이터 분석): 머신러닝 모델을 만들기 위한 전단계로 특성을 추출하거나 데이터로서 영감을 얻거나 전반적인 패턴을 알기 위하여 통계적인 분석을 시도하는 일

 

3. 머신러닝 방법론

1. 지도학습(Supervised Learning)
   • 훈련 데이터 안에 예측해야 할 target이 있는 경우에 사용되는 방법론
   • 훈련 데이터 안에 예측해야 할 target이 있음
2. 비지도학습(Unsupervised Learning)
   • 훈련 데이터 안에 예측해야 할 target이 없음 -> 함수모형을 만들지 않고 데이터의 패턴을 추출함 -> 데이터의 숨겨진 구조를 찾음
3. 강화학습(Reinforcement Learning)
   • 데이터가 스스로 정답을 찾기 위해서 환경과 상호작용함 -> target 값을 만들면서 훈련하는 학습 -> 해답에서 멀어질수록 벌점이 부과되는 성질 이용 -> 풀려고 하는 문제를 게임으로 간주하여 적용

 

4. 머신러닝 사례

• 고객 성별 예측 모델 구축
• 여행 경로 추천 서비스
• 여행 코스를 제안하는 모델 구축