머신러닝 문제를 처음 볼 때 가장 먼저 확인할 것정답 라벨이 있느냐?정답 라벨이 있으면 지도학습에 가깝다.정답 라벨이 없고 데이터의 구조를 찾는다면 비지도학습에 가깝다.라벨이 조금만 있거나, 데이터 자체에서 학습 문제를 만들거나, 행동에 대한 보상을 통해 배우는 경우도 있다.지도학습: 입력과 정답이 함께 있는가?비지도학습: 정답 없이 데이터 구조를 찾는가?반지도학습: 라벨 있는 데이터가 적고, 라벨 없는 데이터가 많은가?자기지도학습: 데이터 자체에서 맞혀야 할 문제를 만들 수 있는가?강화학습: 행동의 결과로 보상을 받고, 장기 보상을 키우는가?전체 기준머신러닝 문제는 보통 다음 순서로 생각하면 된다.1. 정답 y가 있는가? → 있다: 지도학습 → 없다: 다음 질문2. 데이터끼리 구조를 찾고 싶은가..
1. K-means clustering?데이터를 $K$개의 그룹(군집)으로 자동으로 나눠주는 비지도학습 알고리즘각 군집을 대표하는 중심점(centroid)을 그 군집에 속한 데이터들의 평균(mean) 위치로 잡아가면서 군집을 갱신해 나가기 때문에 "K-평균(K-means)"라고 함.정답 라벨 없이, 데이터들끼리 얼마나 가까운지만 보고 그룹을 찾아냄.2. 문제 상황수만 개의 데이터(예: 고객 문의 티켓)가 있는데, 사람이 일일이 보지 않고도 "비슷한 것들끼리 자동으로 묶고 싶다." 라벨(정답)은 없다.그냥 데이터의 분포만 보고 그룹을 찾아내는 것, -> 비지도학습(unsupervised learning).K-Means는 그중 가장 단순하고 널리 쓰이는 알고리즘이다.3. 알고리즘$K$개의 그룹으로 나눈다고 ..
