지도 학습, 비지도 학습, 강화 학습에서 자주 사용되는 알고리즘은 다음 표와 같습니다.
▼ 표 1-2 지도 학습, 비지도 학습, 강화 학습
|
구분 |
유형 |
알고리즘 |
|
지도 학습 (supervised learning) |
분류(classification) |
• K-최근접 이웃(K-Nearest Neighbor, KNN) • 서포트 벡터 머신(Support Vector Machine, SVM) • 결정 트리(decision tree) • 로지스틱 회귀(logistic regression) |
|
회귀(regression) |
선형 회귀(linear regression) |
|
|
비지도 학습 (unsupervised learning) |
군집(clustering) |
• K-평균 군집화(K-means clustering) • 밀도 기반 군집 분석(DBSCAN) |
|
차원 축소 (dimensionality reduction) |
주성분 분석 (Principal Component Analysis, PCA) |
|
|
강화 학습 (reinforcement learning) |
- |
마르코프 결정 과정 (Markov Decision Process, MDP) |
각 알고리즘은 ‘3장 머신 러닝 핵심 알고리즘’에서 간단히 살펴봅니다.