기계학습 (Machine Learning)

기계학습이란, 기계에 어떠한 일을 부여할 경우, 기계 스스로의 학습에 의해 그 문제를 해결 하도록 하는 것이다.

기계학습은 아래와 같이 두 종류로 나뉠 수 있다.

1. Supervised Learning (지도 학습, 教師あり学習)

 - 학습 데이터가 입력값 및 기대결과에 미리 포함되어 있는 방식.

 - 학습을 행하는 프로세스 중에 지도값이 알려져 있고, 입력값으로 부여된다.

 - 자율학습에 비해, 학습이 대체적으로 빠르고 정확한 편이다.

예) 뉴럴네트워크, 다중 계층 퍼셉트론(MLP), Counterpropagation network 등

2. Unsupervised Learning (자율 학습, 教師なし学習)

 - 해결하고자 하는 일의 목표값이 주어지지 않는다.

 - 입력데이터에 대한 통계적인 특성만을 이용 할 수가 있다.

예) K-means, Hopfield network, SOM(Self Organizing Map), ART network 등

기계학습에 있어서, Garbage in, garbage out 이라고, 정확한 계산을 위해서, 모델에 대해 학습에 필요한 데이터의 실증과 테스트가 사전에 이루어 져야 한다.