[ ML / 머신러닝 ] Contents / 목차

 

머신러닝 개념을 목차별로 정리해보았다. 책 "Hands-On Machine Learning with Scikit-Learn & tensorFlow" 목차를 참조하면서도 내가 아는 최신 개념도 몇개 추가로 목차에 넣었다. 특히 XGBoost 의 경우, 현재 캐글에서 높은 performance를 보이는 알고리즘 중 하나이며, Graph-based clustering과 Density-based clusetering 은 빅 데이터를 다루는데 점점 많이 쓰이는 알고리즘이다. 

---

1. 지도학습 (Supervised learning)

• with labeled data
• For Classification or Regression
  • Decision tree 
  • Random forests 
  • Support vector machines (SVM)
  • K-Nearest Neighbors
  • Linear regression
  • Logistic regression
  • Neural networks 
  • XGBoost 

---

2. 비지도학습 (Unsupervised learning)

• with unlabeled data
• for Clustering 
  • K-mean 
  • Hierarchical cluster
  • Expectation maximization 
  • Graph-based clustering 
  • Density-based clustering
• for visulaization & dimensionaliy reduction 
  • PCA
  • kernal PCA
  • Locally-linear Embedding
  • tSNE
  • UMAP
• for Association rule learning 
  • Apriori
  • Eclat

---

3. 준지도학습 (Semi-supervised learning)

• with a small amount of labeled data and a large amount of unlabeled data
  • 예) Deep Neural Network 

---

4. 강화학습 (Reinforcement learning)

• 예) AlphaGo of DeepMind

---

 

 

참조

책 "Hands-On Machine Learning with Scikit-Learn & tensorFlow" 한빛미디어 (2018)