Machine Learning - 인공지능 > 머신러닝 | AI Insight Note

머신러닝(Machine Learning)은 데이터로부터 패턴을 학습해 예측·분류·추천을 수행하는 AI의 핵심 분야다. 명시적으로 프로그래밍하지 않고, 데이터를 통해 알고리즘이 스스로 규칙을 발견한다.

학습 패러다임

유형	설명	예시
지도학습	레이블된 데이터로 학습	스팸 분류, 집값 예측
비지도학습	레이블 없이 패턴 발견	고객 군집화, 이상 탐지
강화학습	보상으로 최적 행동 학습	게임 AI, 로봇 제어

주요 알고리즘

알고리즘	용도
선형 회귀	연속 값 예측
로지스틱 회귀	이진 분류
의사결정 트리	해석 가능한 분류/회귀
랜덤 포레스트	앙상블, 높은 정확도
SVM	고차원 분류
K-Means	군집화
신경망	복잡한 패턴 학습

scikit-learn 예시

python

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

predictions = model.predict(X_test)
print(f"정확도: {accuracy_score(y_test, predictions):.2f}")

참고문헌

•Bishop, C. Pattern Recognition and Machine Learning (2006)
•scikit-learn 공식 문서: scikit-learn.org

Machine Learning머신러닝

학습 패러다임

주요 알고리즘

scikit-learn 예시

관련 개념

참고문헌

관련 노트

L2 정규화L2 Regularization

하이퍼파라미터 튜닝Hyperparameter Tuning

배치 크기Batch Size