한빛미디어



[나의 한줄 추천사]

데이터의 복잡도가 높거나 레이블링 안되었을 때 비지도 학습을 통해서 자동 피처 추출 및 군집화(클러스터링) 할수 있다. 이때 이 책을 꺼내서 보면 된다.

[책을 구매한 이유]

지도학습의 레이블링의 노가다(?) 성을 느낀 이후 스마트한 방법을 찾기 위해서 무조건 봐야함

[내가 찾고자 했던 질문과 대답들]

-비지도 학습으로 어떤것을 할수 있나?

1. 레이블 미지정 자동지정 (클러스터링)

2. 과대적합 해결 (문제를 복잡성을 줄여서 정규화 시켜줌 - 피쳐 추출)

3. 수많은 피처 축소 (차원의 저주 해결-차원감소)

4. 피처 엔지니어링 (적절한 피처 찾아줌)

5. 데이터 드리프트 ( 현재 데이터가 훈련셋과 얼마다 다른지 평가를 통해 재학습 여부 판단 가능)

- 지도학습과의 명백한 다른 관점은?

예측하는 대신 데이터의 내재된 구조를 학습한다.

비지도 학습의 자세한 알고리즘은?

- 차원 축소 알고리즘 : PCA ,LDA

- 클러스터링 알고리즘 : K-means 클러스터링

- 피처추출 알고리즘 : 오토인코더

- 비지도 딥러닝 알고리즘 : GAN

비지도 학습의 실제 적용된 성공적인 사례들은?

- 이상치(outlier) 탐지 : 신용카드 사기 등 사기 탐지에 사용됨

- 그룹 세분화(클러스터링) : 문서 분류 및 행동 유사성에 따라 그룹을 묶을 수 있는 마켓팅

비지도 학습의 만능인가?

- 지도 학습은 이미 알려진 패턴을 높은 수준의 정확도로 찾는 반면 비지도 학습은 흥미로운 새로운 패턴을 발견한다. 비지도 학습된 모델은 이러한 패턴을 발견하면 사람이 레이블을 지정하여 레이블이 지정되지 않은 데이터를 레이블이 지정된 데이터로 더 많이 전환시킬수 있습니다. 둘다 사용하면 결국 더 강력한 머신러닝 솔류션을 구축할수 있다