인공지능 10강 (기계 학습)

학습개요

1. 인간의 가장 두드러진 특징은 변화하는 환경에 적응하는 학습능력을 가지고 있다는 것이다. 이러한 능력은 지식을 바탕으로 동작하는 인공지능 시스템에서 갖추어야 할 핵심적인 능력이다. 이번 강의에서는 귀납적 추론이라는 학습에 대한 기본적인 아이디어와 이를 컴퓨터를 통해 구현하는 방법에 대하여 학습한다.

 학습목표

1. 일반적인 학습 방법에 대한 개념을 설명할 수 있다.
2. 귀납적 학습의 개념을 설명할 수 있다.
3. 결정트리 학습의 구현 방법에 대하여 설명할 수 있다.

 주요용어

1. 지도학습 : 입력과 이에 대해 기대하는 출력을 학습 데이터로 제시하여 입력에 대한 시스템의 출력이 기대하는 출력과 같아지도록 시스템을 변화시키는 학습 방법
2. 자율학습 : 입력값만으로 구성된 학습 데이터 집합을 사용하여 유사한 입력에 대해서는 동일한 출력을 내도록 학습한다.
3. 강화학습 : 에이전트는 현재의 환경에 대해 행동을 결정하여 실행하고, 이에 따라 변화된 환경과 함께 보상을 받는다. 이를 통해 에이전트는 일련의 행동에 따른 보상을 최대화 하는 정책을 개발한다.
4. 귀납적 추론 : 반복적인 관찰이나 경험을 기반으로 해서 일반화된 논리를 이끌어 내는 추론방법
5. 결정트리 : 분할정복 방식으로 입력공간을 분할함으로써 입력된 대상을 분류하거나 회귀분석을 하기 위한 트리

정리하기

1. 기계학습이란 인공지능 시스템이 지능적 행동능력을 갖기 위해서 외부 환경으로부터의 정보를 이용하여 시스템 내부에 지식을 형성하고 저장하는 과정이다.
2. 학습을 위해 제공되는 정보의 유형에 따라 지도학습, 자율학습, 강화학습 등 여러 가지 학습 방법이 존재한다.
3. 귀납적 추론은 학습을 위한 기본적 토대로서, 반복적인 관찰이나 경험을 기반으로 해서 일반화된 논리를 이끌어 내는 추론을 한다.
4. 결정트리는 입력 공간을 분할하는 트리이다. 루트 및 내부 노드는 공간을 분할하는 조건을 판단하는 함수를 갖고 있으며, 잎 노드는 최종적인 분할영역을 나타내는 노드로, 입력에 대한 출력 값을 갖고 있다. 노드의 불순도를 구하여 불순도가 큰 노드를 적절한 특징을 기준으로 분할하는 과정을 통해 형성하며, 지도학습 방식을 따른다.