[기초]머신러닝과 딥러닝 비교하기

머신러닝(Machine Learning)과 딥러닝(Deep Learning)을 비교해보았다.

 

1. 머신러닝은 딥러닝을 포함하는 큰 개념이다. 
2. 머신러닝은 Y(결과값)이 숫자 라면 회귀문제이고, 범주(ex. 성공 | 실패)과 같이 구분된 그룹이라면 분류 문제인 것과 같이, 도출하고자 하는 결과값의 특성에 따라 문제를 해결할 모델을 정하기만 하면 된다.
3. 반면에 딥러닝은 입력층과 출력층 외에도 그 안의 은닉층(node)의 수, 가중치의 수, 학습 횟수, Learning Rate, 손실함수와 같이 매우 많은 학습 요소들을 모델을 설정하는 작업자가 선택해야한다.

 

그 외의 요소들을 표로 비교 하면, 아래와 같다

구분	머신러닝(ML)	딥러닝(DL)
정의	데이터에서 패턴을 학습하여 예측하는 알고리즘들의 결합을 말한다.	인공신경(ANN)을 활용하여 데이터에서 특징을 학습한다
데이터 의존성	적은 양의 데이터로 학습이 가능하다	대량의 데이터를 필요로 한다
특징 추출 (Feature Engineering)	사람이 직접 주요 특징을 선정해야한다	모델이 자동으로 중요한 특징을 학습한다
연산량	적은 양의 데이터로도 가능한 만큼, 비교적 적으며 CPU로도 학습할 수 있다.	계산량이 많이 필요한 경우가 많아서, GPU 사용이 필요하다
대표 알고리즘	선형 회구, 로지스틱 회귀, 랜덤 포레스트	CNN, RNN, LSTM, 트랜스포머 등 신경망 기반 모델

 

 

---

<부록> 지도학습과 비지도학습 비교하기

• 지도학습 : 학습데이터에 문제와 정답을 포함하여 학습을 진행하는 경우
  • 예를 들어, 키가 크면 몸무게도 많이 나간다. 라는 양의 상관관계를 설명하고자 할 때,
    • 이것은 지도학습으로 몸무게나 키정보를 통해 예측이 가능하다.
      • 키와 몸무게의 상관관계를 학습하여 몸무게나 키에 따른 다른 정보를 예측할 수 있다. 이는 학습데이터에 키와 몸무게에 대한 정보가 같이 있기 때문이다. 
• 비지도학습 : 학습데이터에 문제 만 있는 경우
  
  • 반면에 비지도 학습은 따로 군집분석(Clustering)과 같은 정답 없이 데이터의 패턴이나 구조를 찾는 방식을 말한다.
    • 예를 들어,  고객의 세그먼트를 나누거나, 이미지를 분류하는 등의 그룹을 나누는 것을 비지도학습이라고 한다.
      • 그 외 예시는 아래와 같다.
        • 차원 축소 Dinemsionality Reduction (중요 특징만 남기고 불필요한 차원을 줄이는 것)
        • 이상 탐지 Anomaly Detection (보이스피싱 (갑자기 통장의 전액을 출금하거나 고액의 대출을 받는 등)
        • 연관 규칙 학습 Association Rule Learning (귀저기를 사면 맥주를 구매한다)
• 강화학습 : 학습데이터가 없는 경우
  • 지도 & 비지도 학습과는 달리, 학습데이터 없이 모델이 행동을 반복하거나 혹은 데이터를 수집하여 더나은 결과값을 가지기 위해 강화하는 것을 말한다.