머신러닝과 딥러닝 개념 총정리

[1] 머신러닝

1. 머신러닝 (Machine Learning)

1) 개념

데이터를 학습하여 일정한 패턴을 발견하고 이를 기반으로 예측하거나 결정을 내리는 기술
프로그래밍 언어로 명시적 규칙을 작성하는 대신, 데이터를 사용해서 컴퓨터가 스스로 학습할 수 있도록 합니다.

2) 종류

• 지도학습(Supervised Learning): 이미 레이블이 되어 정답을 알고 있는 학습 데이터를 이용하여 모델을 학습시키는 방식 (시험 성적 예측, 주가 예측, 스팸 메일 필터링)
• 비지도학습(Unsupervised Learning): 정답을 모르는 학습 데이터를 기반으로 데이터 내 숨겨진 패턴을 학습하는 방식 (고객 세그먼트 군집화)
• 강화학습(Reinforcement Learning): 주어진 문제의 답이 명확하게 떨어지지 않지만, 알고리즘이 수행한 결과에 따라서 보상과 손실이 주어져, 이를 통해 보상을 최대화하는 방향으로 학습을 진행하는 방법 (게임 AI, 로봇 제어)
  

2. 관련 코드

# 필요한 라이브러리 불러오기
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression # 선형 회귀 모델
from sklearn.model_selection import train_test_split # 데이터 분리
from sklearn.metrics import mean_squeared_error, r2_score

# 데이터 로드
df = pd.read_cssv("/data.csv", sep=",")

# 데이터 분리
X = df[["Feature"]]
y = df["Target"]

X_train, X_test, y_train, y_test = train_test_split(X, Y,
													test_size = 0.2,
                                                    random_state = 42
                                                    )

# 모델 생성 및 학습
model = LinearRegression()
model.fit(X_train, y_train)

# 모델 평가
predictions = model.predict(X_test)

mse = mean_squared_error(y_test, predictions)
rmse = np.sqrt(mse)
r2 = r2_score(y_test, predictions)

---

[2] 딥러닝

1. 딥러닝(Deep Learning)

1) 개념

- 머신러닝의 한 분야로, 사람의 뇌를 모방하여 여러 층(layer)로 구성된 인공신경망 구조를 사용해 데이터를 학습하는 기술
- 방대한 데이터와 복잡한 문제를 처리하는 데 강력

2) 종류
(1) 합성곱 신경망 (CNN, Convolution Neural Networks)

• 개념: 주로 이미지 데이터를 처리하는 데 사용되는 딥러닝 모델로, 합성곱 계층(convolutional layer)을 통해 이미지의 지역적 특징을 추출합니다.
• 주요 구성 요소: 합성곱층(convolutional layer), 풀링층(pooling layer), 전결합층(fully connected layer)
  합성곱층은 이미지의 중요한 특징을 추출하고, 풀링층은 차원 축소를 통해 연산 효율성을 높입니다.
• 활용 예시: 이미지 인식, 물체 감지, 얼굴 인식

 

(2) 순환 신경망 (RNN, Recurrent Neural Networks)

• 개념: NN은 시퀀스 데이터를 처리하는 데 적합한 신경망으로, 이전 정보가 현재의 출력에 영향을 미치는 구조를 가집니다.
• LSTM(Long Short-Term Memory)과 GRU(Gated Recurrent Unit)는 RNN의 한 종류로, 장기적인 의존성을 학습할 수 있도록 설계. LSTM은 셀 상태와 게이트 구조를 통해 긴 시퀀스의 정보를 잘 처리하고, GRU는 LSTM보다 구조가 간단하고 계산 효율성이 더 뛰어납니다.
• 활용 예시: 음성 인식, 텍스트 번역, 주가 예측

(3) 생성적 적대 신경망(GAN, Generative Adversarial Networks)

 

---

[3] 평가

3-1. 모델 평가

• 분류모델

지표	정의	사용 예
정확도
정밀도
재현율
F1-score

• 회귀모델

지표	정의	사용 예
MSE
MAE

• 혼동 행렬

 

---

[4] 학습

1) 데이터 분할

• 학습 데이터
• 검증 데이터
• 테스트 데이터

2) K-fold 교차검증

3) 과적합 방지 방법

---

Last Updated. 2025.06.09

🔖 참고 자료

• 딥러닝을 이용한 자연어 처리 입문