1.8.2 참고 사항

아서 사무엘을 더 알고 싶다면 http://history.computer.org/pioneers/samuel.html에서 그의 간단한 일대기를 읽어 보세요.

고급 컴퓨터 과학, 수학과 철학 분야에서 메타(meta) 레벨과 자기 참조는 매우 중요한 개념입니다. 메타를 더 알고 싶다면 호프스태터(Hofstadter)가 쓴 <괴델, 에셔, 바흐(Godel, Escher, Bach)>(까치, 2017)를 읽어 보세요. 조금 길지만 아주 많은 것을 배울 수 있습니다.

특성과 타깃은 입력/출력, 독립/종속 변수, 예측 변수/결과 등 이름이 다양합니다.

PA와 VT는 미합중국에 두 번째와 14번째로 합류했습니다.

고양이라는 단어는 어떻게 사물로 고양이를 표현할까요? 또 “냐옹” 하는 울음소리와 긴 낮잠이라는 고양이 특징과는 어떻게 연결되어 있을까요? 이 주제가 궁금하다면 비트겐슈타인(Wittgenstein)(http://plato.stanford.edu/entries/wittgenstein)을 알아보세요.

이 장에서 소개한 예시들은 학습 시스템에 관한 아주 어려운 내용과 연관되어 있기도 합니다. 이 책에서는 전반적으로 쉬운 내용(알고리즘 실행)과 중간 난이도의 내용(특성 엔지니어링)을 다룹니다. 머신 러닝을 현실 세계에 적용하기 시작할 때 문제가 아주 어려워집니다.

사례 기반 지도 학습 외에 다른 여러 가지 학습 방법이 있습니다. 클러스터링은 지도 학습은 아니지만 사례를 사용합니다. 클러스터링은 타깃 특성 없이 데이터에 있는 패턴을 탐색합니다. 이외에도 분석적 학습(analytic learning), 귀납적 논리 프로그래밍(inductive logic programming), 사례 기반 추론(case-based reasoning), 강화 학습(reinforcement learning) 등이 있습니다. 톰 미첼(Tom Mitchell)이 쓴 <Machine Learning>(McGraw-Hill, 1997)을 읽어 보세요. 이 책에서 미첼은 학습 시스템을 구축하는 단계(CRISP-DM 프로세스의 모델링 단계)를 아주 훌륭하게 분석해 두었습니다.