머신 러닝 정의

머신러닝이란

 

머신러닝이라는 용어는 IBM의 인공지능 분야 연구원이었던 아서 사무엘이 1959년에

 

자신의 논문에서 처음으로 사용했다. 

 

아서 사무엘은 머신러닝을 ‘기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여

 

실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야’ 라고 정의했다.

 

---

머신러닝을 수행할 때 입력값을 처리해 결과값을 도출하는 방법을 표현(representation)이 라고 하고,

 

결과값의 적합성을 판단하는 것을 평가(evaluation)라고 하며,

 

결과값의 적합성 을 높이기 위해 조정하는 것을 최적화(optimization)이라고 한다.

 

이러한 표현, 평가, 최적화를 수식으로 표현하면 다음과 같다.

 

학습(Learning) = 표현(representation) + 평가(evaluation) + 최적화(optimization)

 

이렇게 학습을 완료한 후 새로운 데이터에 대해 학습한 결과를 반영하여 

 

결과값을 예측 하는 것을 일반화(generalization)라고 한다.

 

---

머신러닝과 데이터마이닝

 

머신러닝은 종종 데이터 마이닝과 혼용되기도 하는데, 

 

머신러닝에서 사용하는 분류나 예 측, 군집과 같은 기술, 모델, 알고리즘을 이용해 문제를 

 

해결하는 방법을 데이터 마이닝에 서도 똑같이 사용하기 때문이다. 컴퓨터과학 관점에서는 머신러닝이라고 하고, 

 

통계학 관점에서는 데이터 마이닝 이라고 한다. 그 둘의 차이점은 데이터 마이닝은 가지고 있는 데이터에서 

 

현상 및 특성을 발견하는 것이 목적인 반면, 머신러닝은 기존 데이터를 통해 학습을 시킨 후 

 

새로운 데이터에 대한 예측값을 알아내는 데 목적이 있다는 점이다.