개념
기계학습은 사람이 모든 규칙을 직접 코딩하지 않고, 데이터에서 패턴을 찾아 새로운 입력에 대해 예측하거나 판단하는 방법이다.
전통적 프로그램은 사람이 규칙을 작성한다. 반면 기계학습 모델은 특징 벡터와 정답 또는 데이터 구조를 이용해 규칙에 해당하는 패턴을 스스로 학습한다.
일반적인 학습 목표는 데이터 손실과 모델 복잡도를 함께 최소화하는 것이다.
학습 방식
기계학습은 크게 세 가지로 나눌 수 있다.
딥러닝과의 관계
딥러닝은 인공신경망을 깊게 쌓아 복잡한 패턴을 학습하는 기계학습 방법이다. 하지만 데이터가 적거나 환경이 계속 바뀌는 문제에서는 의사결정트리, 랜덤 포레스트, XGBoost 같은 모델이 더 실용적일 수 있다.