백과

대부분의 기계 학습(ML)은 다수의 파라미터(parameter)^각주1) 로 구성된 모델을 이용하는데, 주어진 데이터나 경험을 통해 파라미터를 최적화하는 것을 학습이라고 한다. 학습 문제의 형태에 따라 지도형 기계 학습(supervised learning), 비지도형 기계 학습(unsupervised learning), 강화형 기계 학습(reinforcement learning)으로 구분한다.

지도형 기계 학습은 컴퓨터가 입력값과 그에 따른 출력값이 있는 데이터를 이용하여 주어진 입력에 맞는 출력을 찾는 학습방법으로, 자동차의 번호판 인식이나 사진을 통한 개와 고양이 구분에 활용한다.

비지도형 기계 학습은 입력값만 있는 훈련 데이터를 이용하여 입력들의 규칙성을 찾는 학습 방법이다.

강화형 기계 학습은 일정한 입력(주어진 상태)에 대해 출력(정답 행동)이 아니라 최적의 행동을 선택하는 방법이다.