비지도 학습의 정의

wikipedia

입력 데이터(훈련 데이터(Training Data))로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 지도 학습 과는 달리 입력값에 대한 목표치가 주어지지 않는다. 통계의 밀도 추정과 깊은 연관이 있다.

핸즈온 머신러닝2

말 그대로 훈련 데이터에 레이블이 없다. 시스템의 도움 없이 학습해야 한다. 비슷한 그룹으로 묶어 군집 알고리즘을 적용한다.

비지도 학습 알고리즘

  • 군집
    • k-평균
    • DBVSCAN
    • 계층 군집 분석
    • 이상치 탐지 와 특이치 탐지
    • 원-클래스
    • 아이솔레이션 포레스트
  • 시각화와 차원 축소
    • 주성분 분석
    • 커널
    • 지역적 선형 임베딩
    • t-SNE
  • 연관 규칙 학습
    • 어프라이어리
    • 이클렛

비지도 알고리즘 특징

  • 계층 군집 알고리즘의 특징
    • 각 그룹을 더 작은 그룹으로 세분화할 수 있다.
  • 시각화 알고리즘의 특징
    • 레이블이 없는 대규모의 고차원 데이터를 넣으면 도식화가 가능한 2D나 3D 표현을 만들어준다.
    • 데이터 조직의 이해와 예상치 못한 패턴을 발견할 수 있다.
  • 차원 축소 알고리즘의 특징
    • 시각화 알고리즘과 비슷한 작업으로서, 많은 정보를 잃지 않으면서 데이터를 간소화 할 수 있다.
    • 상관관계가 있는 여러 특성을 하나로 합친다.(특성 추출)
참고문헌

1) 비지도 학습, wikipedia, 2022-02-01 방문, https://ko.wikipedia.org/wiki/비지도_학습

2) 오렐리앙 제롱 (Aurelien Geron), Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow 핸즈온 머신러닝 2판, 박해선, 오라일리, 한빛미디어(주)(2021년 5판), 38p