머신러닝(Machine Learning)이란?

 

머신러닝(Machine Learning)이란?

---

예전의 인공지능은 각 분야의 전문가들이 만든 많은 양의 샘플들을 데이터베이스 화하여 자료들을 일일이 수작업으로 컴퓨터에 직접 등록하는 방법을 사용하였습니다. 대부분의 작업이 사람의 손을 거쳐야 하므로 필연적으로 많은 노력과 비용이 발생하게 됩니다.
사람조차 명확하게 구분할 수 없는 지식(no explicit knowledge)을 구현해야 하거나, 사람이 일일이 구현하기에는 너무 많은 양의 규칙들이 필요한 경우가 생겨나기 시작합니다. 이러한 경우에 사용할 수 있도록 고안된 방법이 바로 머신러닝(Machine Learning)입니다. 기계학습이라고도 불리는 머신러닝은 컴퓨터를 인간처럼 학습시킴으로써 인간의 도움 없이 컴퓨터가 스스로 새로운 규칙을 생성할 수 있지 않을까 하는 발상으로부터 시작되었습니다.

 

머신러닝의 동작 방식

---

머신러닝이란 컴퓨터가 스스로 학습할 수 있도록 도와주는 알고리즘이나 기술을 개발하는 분야를 가리킵니다.

동작 순서
1. 일정량 이상의 샘플 데이터를 입력한다.

2. 입력받은 데이터를 분석하여 일정한 패턴과 규칙을 찾아낸다.

3. 찾아낸 패턴과 규칙을 가지고 의사결정 및 예측 등을 수행한다.

따라서 머신러닝을 한마디로 정의하자면 수많은 데이터를 학습하여 일정한 패턴을 찾아내고 그것을 활용하는 행위라고 할 수 있습니다.

벡터(vector)와 특징량

---

이는 사람이 가지고 있는 지각능력을 사용하여 각 모양이 뭉쳐 있는 위치 관계를 무의식적으로 파악했기 때문입니다.
하지만 컴퓨터는 지각능력을 가지고 있지 않으므로, 이러한 위치 관계를 그냥은 인식하지 못합니다.
이때 활용되는 것이 바로 벡터(vector)입니다. 벡터란 공간에서 크기와 방향을 가지는 것을 의미하며, 위의 그림에서는 별 모양과 원 모양의 점들이 바로 하나하나의 벡터가 되는 것입니다.

또한, 특정 벡터들이 모여 있는 것을 특징량이라고 부르며, 머신러닝에서는 바로 이 특징량을 바탕으로 벡터들을 서로 구분하게 됩니다.