준지도 학습의 정의

wikipedia

목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다. 이러한 준 지도 학습은 목표값이 충분히 표시된 훈련 데이터를 사용하는 지도 학습과 목표값이 표시되지 않은 훈련 데이터를 사용하는 자율 학습 사이에 위치한다. 많은 기계 학습 연구자들이 목표값이 없는 데이터에 적은 양의 목표값을 포함한 데이터를 사용할 경우 학습 정확도에 있어서 상당히 좋아짐을 확인하였다. 이러한 훈련 방법이 사용되는 이유는 목표값을 포함한 데이터를 얻기 위해서는 훈련된 사람의 손을 거쳐야 하기 때문이고 그 비용이 감당할 수 없을만큼 클 수 있기 때문이다. 따라서 그러한 경우 준 지도 학습을 사용하여 결과를 향상 시킬 수 있다.

핸즈온 머신러닝2

레이블이 일부만 있는 데이터를 다룰 수 있다. 데이터에 레이블을 다는 것은 시간과 비용이 많이 들기 때문에 레이블이 없는 샘플이 많고 레이블된 샘플은 적은 경우가 많다. 일부만 레이블이 있는 데이터를 다룰 수 있는 학습이다. —

준지도 학습 알고리즘

  • 심층 신뢰 신경망 (Deep Belief Network, DBN)
    • 여러 겹으로 쌓은 제한된 볼츠만 머신 (Restricted Boltzmann Machine, RBM)에 기초한다.

비지도 알고리즘 특징

지도 학습과 비지도 학습의 조합으로 이루어져 있다.

참고문헌

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

2) 오렐리앙 제롱 (Aurelien Geron), Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow 핸즈온 머신러닝 2판, 박해선, 오라일리, 한빛미디어(주)(2021년 5판), 42p