Supervised Learning vs Unsupervised Learning

GAN을 배우기 전에 supervised learning과 unsupervised learning의 차이점을 다시 공부해보았다

 

- Supervised Learning ( 지도학습 )

Data가 실제 data(x)와 label(y)로 나뉘어 들어온다

목표는 x를 y로 매핑시켜주는 함수를 찾는 것

classification, regression, object detection, semantic segmentation, image captioning 등의 예시가 있다

object detection은 이미지에서 객체를 탐지하는 것이고 semantic segmentation은 객체를 탐지하는 점은 같지만 픽셀별로 classification을 진행하는 느낌이었다

 

 

- Unsupervised Learing ( 비지도학습 )

data가 label 없이 들어온다

label이 없으므로 데이터에 내재된 의미를 스스로 학습해야 한다

clustering, dimensionality reduction, feature learning ( representation learning ), density estimation 등이 있다

 

clustering은 입력 데이터를 몇개의 군집으로 분류하는 방법이다

dimensionality reduction은 고차원의 데이터를 저차원으로 바꾸는 것인데 PCA가 대표적이다

시간이 생기면 수치해석 시간에 배웠던 PCA에 대해서도 다시 공부해보아야겠다

featrue learning은 AutoEncoder가 대표적이다

AutoEncoder는 입력 데이터에서 feature를 추출하고 다시 복원하는 방법이다

 

비지도학습에 사용가능한 label이 없는 데이터가 더 구하기 쉽고 인간과 동물이 학습하는 방식이 비지도학습과 비슷하기 때문에 앞으로 비지도학습이 점점 중요해질것이라고 한다

 

ITE4053 : Deep Lerarning ( Hanyang University )