2023. 8. 22. 18:12ㆍ카테고리 없음
6.코호넨에 의해 제시된 비지도 신경망으로 고차원의 데이터를 이해하기 쉬운 저차원의 뉴런으로 정렬하여 지도의 형태로 형상화한 군집분석방법은 무엇인가?
지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)은 기계 학습의 주요 범주 중 세 가지이다.
1. 지도 학습 (Supervised Learning) :
정의 : 지도 학습은 입력 데이터와 그에 대한 정답이 주어진 상태에서 모델을 훈련시키는 방법입니다. 모델은 입력 데이터와 정답 사이의 관계를 학습하여 새로운 입력 데이터에 대한 예측을 수행합니다.
예시 : 분류 및 회귀 문제에서 주로 사용됩니다. 예를 들어, 이메일이 스팸인지 아닌지~
2. 비지도 학습 (Unsupervised Learning) :
정의 : 비지도 학습은 정답 데이터 없이 데이터의 구조나 패턴을 발견하려고 시도하는 방법입니다. 모델은 데이터 간의 관계를 파악하거나 데이터를 그룹화합니다.
예시 : 군집화와 차원 축소가 비지도 학습의 예시입니다. 군집화는 유사한 데이터를 그룹화하고 차원 축소는 데이터의 특성을 줄이는 데 사용됩니다.
3. 강화 학습 (Reinforcement Learning) :
정의 : 강화 학습은 에이전트가 환경과 상호작용하며 행동을 통해 보상을 최대화 하는 방법을 학습하는 머신 러닝 패러다임입니다. 에이전트는 시행착오를 통해 최적의 정책을 학습합니다.
예시 : 로봇 제어, 게임 에이전트. 자율 주행 자동차와 같은 응용 분야에서 사용됩니다. 에이전트는 행동에 대한 보상을 받으며, 시간이 지남에 따라 높은 보상을 얻는 방법을 학습합니다.
코호넨의 자기조직화 지도(SOM, self-Organizing Map)은 고차원 데이터를 저차원의 그리드 형태로 표현하여 데이터의 구조를 시각적으로 파악할 수 있도록 하는 비지도 학습 알고리즘입니다. 이 알고리즘은 신경망 기반으로 작동하며 데이터를 클러스터링하고 시각화하는 데 사용됩니다.
SOM은 일반적으로 2D 또는 3D 그리드로 표현되며, 입력 데이터의 고차원 특성을 저차원으로 매핑합니다. 이 매핑된 그리드는 각각의 뉴런 또는 유닛으로 구성되며, 입력 데이터와 각 뉴런 간의 유사성을 기반으로 데이터를 클러스터링합니다. 즉 비슷한 입력 데이터는 비슷한 뉴런에 매핑됩니다.
이렇게 형성된 SOM을 사용하면 데이터의 사각적인 표현을 통해 데이터 간의 패턴, 유사성 및 구조를 이해할 수 있습니다. 따라서 SOM은 비지도 학습을 통해 데이터를 클러스터링하고 시각화하는데 매우 유용한 방법 중 하나입니다.