머신러닝의 원리가 무엇인가요?
머신러닝이 기계가 계속해서 데이터를 학습하는 걸로 알고있는데 학습을 하는 원리가 무엇인가요? 어떻게 기계가 데이터를 분석하고 기억하고 관련된 것을 찾아내는 '학습'을 한다는 것인가요?
안녕하세요 답변 드립니다.
머신러닝에서 기계라 불리는 것은 컴퓨터로 짠 코딩 시스템을 말하는 것입니다. 예를 들면 고양이와 개 이미지를 구분하는 문제를 코딩으로 컴퓨터에게 학습 시켜 분류 문제를 푸는 것이지요.
학습의 원리는 간단히 말하면 컴퓨터가 정답을 말하는 것과 아닌 것의 오차를 최소화 하는 방향으로 학습 시킨다고 이해하시면 될것 같습니다. 이때 back propagation이라는 알고리즘이 쓰이는데 편미분의 개념을 아신다면 이해하실 수 있습니다...
답변 채택 부탁드려요~
굉장히 많은 학습 방법이 있지만, 대표적인 인공신경망 (a.k.a 딥러닝)이라는게 어떻게 학습이라는 것인지 설명 드리겠습니다.
입력 데이터와 결과 데이터가 주어졌습니다. 이를 학습데이터라고 부릅니다. 우리는 입력과 결과 데이터를 알고 있기 때문에 주어진 입력 데이터로부터 결과 데이터가 나오는 일종의 수식을 찾아낼 수 있습니다. 이런 수식을 찾아내는게 학습이라고 생각하시면 됩니다.
그런데 일종의 수식이 인간의 신경망을 본떠서 만들었기 때문에 굉장히 단순하지만 방대한 수식을 가지고 있습니다. 그렇기 때문에 수식을찾아 낼때 하나의 학습데이터(입력,결과)만 가지고 도출해 낼 수 없기 때문에 굉장히 많은 학습데이터로부터 반복적인 계산으로 수식을 찾아낸다고 보시면 됩니다.
추가적으로 쉽게 가르쳐주는 사이트를 소개시켜드리겠습니다.
생활코딩의 "데이터 과학 - 머신러닝"을 한번 쭉 훑어 보시면 그림으로 쉽게 설명했기 때문에 쉽게 개념적으로 이해하실 것이라 생각합니다.
다음으로 말씀 드리는건 기초중의 기초이니 꼭 이해하셔야 합니다.
이게 이해가 되지 않으면 그 다음은 없습니다.
머신러닝은
데이터 분석 방법론의 하나인 기계학습 기법을 이야기합니다.
인공신경망 모델을 활용하는건데요,
인간의 뇌가 신경망의 신호전달체계를 통해 학습하는 기전을 모사한 데이터 마이닝기법입니다.
구현 방법 :
기대출력값과 실제 출력값간의 비교를 통해 계산된 오차를 시냅스(신경망) 역할을 하는 노드에 가중치 조정으로 인공신경망 모델에 반영합니다. 이 과정을 신경망 구조가 안정화할 때까지 반복 또 반복합니다. 그러므로써 예측 혹은 분류모델을 만들어나가는 것입니다.
이 과정에서 생긴 오차들을 출력 계층에서 입력계층으로 열방향 반영하는 역전파 알고리즘(back propagation algorithm)을 통해 모델을 안정화하며 학습과정을 기계적으로 단축합니다.
다음은 인공신경망을 가장 단순화시킨 구조입니다.
질문자의 학습인지능력을 무시하는게 아니라는 점 먼저 말씀드립니다.
이게 이해가 되지 않으시면 여기까지만 알아두시는게 좋을 것 같습니다.
내용을 심화하면 이보다 훨씬 더 어렵거든요.
게다가 이 이론과 모델의 밑바닥에는 통계 수학의 이론적 바탕이 깔려있습니다.
사실은 그것부터 이해가 수반되어야 머신러닝에 대한 제대로 된 이해를 할 수 있다 볼 것입니다.
