학습이란? 비슷한 작업을 반복할 때 처음보다 나중에 하는 작업효율이 높아지도록 시스템을 변화시키는 것이다.
학습의 종류
- 귀납적 학습 - 일반화
- 연역적 학습 - 연역적 추론
- 방식
- 지도학습 : 학습된 데이터를 어떻게 마련하느냐가 중요
- 비지도 학습 : 자기학습
- 강화학습
기계학습에 필요한 요소는 데이터와 지식표현(논리, 프레임, 규칙, 의미망), 연산, 개념공간, 휴리스틱 탐색이다.
ID3 알고리즘
Iteractive Dichotomiser (반복 양분) 3 알고리즘으로 학습결과를 의사결정(하향식) 트리 형태로 표현하는 것이다.
ID3 알고리즘에서는 정보이론을 다루는데 이는 정보의 양을 측정할 수 있는 수학적 근거이다.
예를 들어, 특성 P의 정보는 양은 Information gain(P)이며, 이는 전체정보의 양 I[D]에서 특성 P 평가 후에 모든 분류 마치는데 필요한 정보 양 E[P]을 뺀 것이다.
Gain(P) = I[D] - E[P]
유전 알고리즘과 유전프로그래밍
유전 알고리즘은 다윈에 유전법칙을 기반으로 한다. 자연 선택 또는 적자생존 원칙에 입각한 알고리즘이다. 개체군 중에서 환경에 대한 적합도가 높은 개체일수록 재생산할 수 있게 되며 개체군은 환경에 적응을 할 수 있게 된다.
유전 알고리즘의 연산자는 다음과 같이 분류된다.
- 재생산 : 새로운 세대 생성 시 부모염색체의 일부를 임의로 선택하여 재조합한다.
- 돌연변이 : 유전자 정보의 일부를 임의로 변화한다.
- 교차 : 염색체 상에서 임의의 위치를 지정하여 나뉜 부분의 위치를 서로 바꾼다.
유전 알고리즘의 예를 하나 들어보자. 상대방의 숫자를 알아내야 한다고 가정하다. 0과 1로 이뤄진 6자리수를 알아내려면 평균 32번의 추측이 필요하다. 유전자 알고리즘을 이용하면 다음과 같다.
728x90
반응형
'공부한 기록 > 인공지능' 카테고리의 다른 글
| 인공지능(7) - 인공신경망과 딥러닝 (0) | 2023.05.04 |
|---|---|
| 인공지능(5) - 퍼지논리 (0) | 2023.05.02 |
| 인공지능(4) - 논리 (0) | 2023.05.01 |
| 인공지능(3) - 탐색 (2) | 2023.04.09 |
| 인공지능(2) - 지식 표현 (0) | 2023.04.08 |