목적변수 존재 여부에 따른 머신러닝 모델 분류

지도학습

정답 라벨이 포함된 학습 데이터로 모델을 학습시킨다.

분류, 수치 예측 작업을 수행한다.

회귀, 로지스틱 회귀

인공신경망 분석

- DNN,CNN,RNN,

의사결정나무

SVM

이진 선형 분류모델

랜덤 포레스트

감성 분석

K-NN

비지도학습

목적변수에 대한 정보 없이 학습이 수행됨.

예측보다는 현상 설명, 패턴 도출, 패턴 탐색, 클러스터링을 위해 쓰인다.

Deep learning 분석에서 입력 특성의 차원을 줄이는 데에

비지도학습 분석을 사용하기도한다.

군집화/클러스터링

사전에 정의된 라벨링 없이 최적의 그룹을 찾아가는 문제.

클래스에 대한 정보없이 단순한 입력값만 제공됨.

- DBSCAN : 개체들의 밀도 계산 기반 그룹핑 알고리즘

자율학습 인공신경망에 의한 클러스터링

- SOM : 그래프 기반 군집

차원축소

연관 관계분석

강화학습

Action-Reward.

Find case returns biggest reward.

준지도 학습

- 레이블이 포함되어있는 훈련 데이터 + 레이블이 없는 훈련 데이터를

   모두 훈련에 사용하는 학습 방법.

시계열 분석의 경우 지도학습, 비지도학습 중 어느 것이라고 특정하기 어렵다.

시계열은 데이터 형태일 뿐이고

목적에 따라 학습을 어떻게 할 것인지는 지도학습/비지도학습 중 하나를 선택하면 됨.

시계열 모델로 Prophet, ARIMA 모델에 시계열 데이터로 사용한다면

이것은 지도학습임.