[라이트 머신러닝] Session 1. 너어얿은 시각으로 보는 머신러닝의 기초

[라이트 딥러닝] 1. ML Fundamental

※ 개정판을 작성하고 있습니다! 아래 글 보다는 링크를 확인하시는 것을 추천드립니다.

 

1. 머신러닝의 출현

 여러분은 머신러닝이라는 단어를 처음 들을 때 어떤 생각이 드셨나요? 저는 처음에 머신러닝과 인공지능이 같은 단어라고 생각했습니다. 물론 아예 틀린 말은 아니지만, 머신러닝에는 인공지능이 포함되지 않으니 맞는 말도 아니라고 할 수 있죠. 20세기 후반, 자기 학습 알고리즘이 구현되면서 그에 관련된 인공지능의 하위 분야로 머신러닝이 나타났습니다. 

 머신러닝은 한국어 뜻 그대로 기계학습입니다. 옛날에는 상상도 못할 일이었지만, 이제는 기계가 배우고 공부할 수 있게 된 것이죠. 학습이라는 것이 가능해진 덕에 우리는 스팸메일을 효율적으로 걸러내고, 발달된 음성인식 기능을 사용할 수도 있으며 똑똑한 기계들과 게임을 즐기는 것도 가능해졌습니다. 또한 모두가 잘 알고 있는 웹 검색엔진은 물론이고 자율주행 자동차 역시 상용화가 코앞에 있습니다.

2. 머신러닝의 종류

2-1. 지도학습

 머신러닝에는 종류가 있습니다. 정확하게 말하면 기계가 학습을 하는 서로 다른 방식들이 존재하는 것이죠. 첫 번째는 지도 학습(supervised learning)입니다. 

그림 1. 지도학습 (출처 - https://medium.com/@chisoftware/supervised-vs-unsupervised-machine-learning-7f26118d5ee6)

 지도 학습은 라벨화된 데이터를 학습시켜 처음 보는 미래 데이터에 대해 예측하는 것입니다. 예를 들자면, 머신러닝 기초에서 아주 많이 보게될 mnist라는 데이터가 있습니다. 0부터 9까지의 숫자를 손글씨로 쓴 이미지 mnist 데이터가 있다면, 각 이미지에 어떤 숫자가 쓰여있는지 '라벨'을 붙여 표기합니다. 숫자가 0이라면 0, 1이라면 1, 이런 식으로요. 데이터가 주어지면 인공지능이 데이터를 학습합니다. 이미지가 주어졌을 때 그게 어떤 번호인지에 대한 예측이 라벨을 통해서 정답과 비교해볼 수 있게되고, 그렇게 학습을 진행해서 올바른 출력을 만들어냅니다. 이때 '라벨'이 사람이 직접 주는 피드백이라고 할 수 있겠네요. 

 

 지도학습 중에서도 라벨이 있는 지도 학습을분류라고 하고, 연속적인 값을 출력하는 것을 회귀라고 합니다. 분류는 순서 없이 샘플이 속한 그룹으로 나누는 작업입니다. 스팸메일을 구분하는 분류의 경우에는 스팸메일인지 아닌지를 따지는 두 가지 그룹이 존재하기 때문에 이진 분류(binary classification)이라고 말하고, mnist 데어터처럼 많은 그룹을 가진 경우에는 다중 분류(multiclass classification)이라고 말합니다. 

 

그림 2. 데이터 클래스와 경계

 위 그림은 어떤 데이터를 2차원 평면에 표시해둔 좌표평면입니다. 적혀있는 것처럼 붉은색은 고양이, 초록색은 강아지 데이터들이죠. 이렇게 데이터가 주어지면 지도 학습 알고리즘을 통해 기계, 즉 컴퓨터는 어떤 것이 고양이이고 강아지인지 분류하는 법을 학습합니다. 이 과정에서 발생하는 것이 바로 굵은 실선으로 표현된 규칙, 결정 경계(decision boundary)입니다. 이 경계를 기준으로 데이터를 분류하게 되는 것입니다.

 

 

 회귀(regression)는 분류와는 달리 연속적인 출력 값을 예측하는 분석입니다. 회귀에는 몇 가지 필요요건이 있는데, 입력(input), 출력(outcome), 타겟(target)이 주어졌을 때 출력값을 예측하는 두 변수의 관계를 찾습니다. 예를 들면, 학생들의 시간 대비 성적을 예측하려면 학습시간과 성적이 입력된 데이터가 필요합니다. 학습시간과 성적의 관계를 찾고, 학습해서 시간이 주어지면 시험 점수를 예측하죠. 

 

그림 3. linear regression (출처 - https://gilberttanner.com/blog/linear-regression-explained)

 위 그래프는 선형 회귀(linear regression)를 나타냅니다. 입력과 타깃이 주어지면 데이터와 직선 사이의 거리가 가장 좁은 직선을 그을 수 있습니다. 이 직선의 기울기와 절편을 이용해서 새로운 입력의 예측을 출력하는 것이죠.

 

2-2. 비지도 학습

 비지도 학습(unsupervised learning)은 라벨화 되지 않거나 구조를 알 수 없는 데이터를 다룹니다. 주로 어마 무시한 양의 데이터에서 의미 있는 정보를 추출하기 위해 데이터 구조를 탐색하는데 사용됩니다.

그림 4. 비지도학습

 비지도 학습은 지도 학습과 달리 처음 학습에 사용되는 Training 데이터가 없습니다. 커다란 데이터를 해석한 후에 학습 알고리즘에 넣으면 출력이 나오는 수순입니다. 비지도 학습의 두 분야는 군집(clustering)과 차원 축소(dimensionality reduction)입니다. 

 

 군집(clustering)은 그저 쌓여있는 정보들을 의미있는 서브그룹이나 클러스터로 조직하는 데이터 분석 기법입니다. 각 그룹들은 어떤 공통점들을 공유하고, 다른 그룹들과는 비슷하지 않도록 구성됩니다. 사실 군집은 지도학습의 분류와 상당히 닮아있습니다. 그래서 군집을 비지도 분류라고 부르기도 하죠. 간단한 예를 들면, 마구잡이로 쌓여있는 의약품 정보를 처리할 때 각각의 약품이 어느 증상에 사용하는지를 기준으로 그룹을 형성할 수도 있고, 성분에 따라서도 그룹을 지을 수 있습니다. 이 정보들을 바탕으로 소비자들에게 보다 알맞은 의약품을 추천할 수 있겠죠. 

 

그림 5. 군집(clustering) (출처 - https://stats.stackexchange.com/questions/253926/what-are-the-x-and-y-axes-of-clustering-plots)

 

 차원 축소(dimensionality reduction)은 고차원 데이터를 저차원 데이터로 압축시키는 것을 말합니다. 차원 축소를 하는 이유는 머신러닝 알고리즘의 계산 성능과 저장공간 때문입니다. 고차원의 데이터로 인해 속도가 느려지거나 저장공간이 모자란 경우는 아주 흔하다고 합니다. 비지도 차원 축소는 잡음 데이터 제거를 위해 데이터 전처리 단계에 적용하는 방법이지만, 이 데이터를 잘라내는 것이 예측성능을 감소시킬 수 있다는 점 역시 고려해야합니다. 차원 축소는 의미있는 정보들은 유지하면서 더 작은 차원의 공간으로 압축하는 것이 중요합니다.

 

그림 6. 차원 축소(dimensionality reduction) (출처 - https://www.semanticscholar.org/paper/Semi-supervised-nonlinear-dimensionality-reduction-Yang-Fu/c2266c38da7701fd1feb1ef457df3fc7f503bd46)

 차원 축소는 데이터를 시각화하는데에도 유용합니다. 고차원 데이터를 1차원, 2차원 등의 공간으로 투영해서 산점도나 히스토그램으로 시각화할 수 있습니다. 위 그림은 비선형 차원 축소를 통해 고차원 데이터 (a)를 2D 부분공간 (b)로 압축하는 예시입니다.

 

2-3. 강화 학습

 강화 학습은 머신러닝의 다른 종류입니다. 강화학습은 환경과의 상호작용을 통해 시스템(agent)의 성능을 향상하는 것이 목적이죠. 강화학습의 주요 키워드는 보상입니다. 강화학습의 피드백은 지도학습과는 다르게 정답이나 값이 아닙니다. 시스템이 환경과 상호작용을 통해서 보상이 최대화되는 행동을 학습하는 것이죠. 이때 피드백이 바로 보상함수를 통해 행동이 얼마나 좋은지를 측정한 값이 됩니다.

 

 강화학습에는 여러가지 하위 분야가 있습니다. 가장 적합한 예시는 체스입니다. 체스게임을 할 때, 보상은 게임의 승리가 됩니다. 시스템이 상호작용해야할 환경은 체스말이 움직이는 체스판의 변화라고 할 수 있습니다. 긍정적인 이벤트는 상대 말을 잡는 것이고, 부정적인 이벤트는 내 말이 잡아먹히는 것이 되겠죠. 강화학습은 이 과정을 거치면서 보상을 최대화하는 단계를 학습하는 것입니다.

 

 제가 공부하고 있는 <머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로> 에서는 강화학습을 따로 챕터를 두어 다루고 있지 않습니다. 이후에 제가 강화학습에 대해 공부하게 되면 [라이트 머신러닝]이 아닌 다른 카테고리에서 이야기하도록 하겠습니다.

 

---

 

 오늘 다룰 이야기는 여기까지입니다. 어려워보이는 그림들과 용어들이 등장했는데, 기억하셔야할 점은 지도학습과 비지도학습, 강화학습의 이론적인 차이점까지입니다. 제가 들었던 예시가 적절했는지, 도움은 되셨을지 궁금합니다. 다음 포스트에서는 머신러닝의 기본 용어와 표기법, 머신러닝 학습 알고리즘의 순서, 머신러닝을 위한 패키지를 소개해드리도록 하겠습니다. 수고하셨어요!