머신러닝의 종류

머신러닝은 학습 방식에 따라 크게 다음과 같이 나눌 수 있습니다:

1. 지도 학습 (Supervised Learning)
입력 데이터와 정답(Label)을 모두 제공하며 학습합니다.
예:

회귀 (Regression): 연속적인 값을 예측 (예: 집값 예측)

분류 (Classification): 범주를 예측 (예: 스팸 메일 여부)


2. 비지도 학습 (Unsupervised Learning)
정답 없이 입력 데이터의 구조나 패턴을 학습합니다.
예:

군집화 (Clustering): 데이터를 그룹으로 묶음 (예: 고객 분류)

차원 축소 (Dimensionality Reduction): 데이터 압축 및 시각화 (예: PCA)


3. 강화 학습 (Reinforcement Learning)
행동에 대한 보상을 기반으로 학습하며, 주로 순차적인 의사결정 문제에 사용됩니다.
예: 게임 AI, 로봇 제어

4. 준지도 학습 (Semi-supervised Learning)
소량의 정답 데이터와 다량의 정답 없는 데이터를 함께 사용하여 학습합니다.

5. 자기지도 학습 (Self-supervised Learning)
정답을 사람이 주지 않고, 데이터 자체로부터 정답을 만들어 학습합니다. 최근 자연어 처리, 이미지 모델에서 활발히 연구됨.

원하면 각 종류별 대표 알고리즘이나 예시도 정리해 드릴 수 있습니다.