비지도 학습이 클러스터링, 차원 축소, 이상 징후 탐지를 사용하여 데이터의 숨겨진 패턴을 발견하는 방법을 알아보세요.
비지도 학습은 알고리즘이 레이블이 없는 데이터에서 패턴을 학습하는 머신 러닝(ML) 의 한 유형입니다. 미리 정의된 레이블이나 '정답'에 의존하는 지도 학습과 달리, 비지도 방법은 데이터의 고유한 구조를 탐색하여 사전 지침 없이 숨겨진 관계, 그룹화 또는 이상 징후를 발견합니다. 이 접근 방식은 특히 인공지능(AI) 에서 초기 데이터 탐색과 라벨링이 비현실적이거나 불가능한 복잡한 데이터 세트의 이해에 유용합니다. 이를 통해 모델은 데이터에서 직접 패턴과 인사이트를 발견할 수 있습니다.
비지도 학습의 주요 목표는 데이터 내의 기본 구조 또는 분포를 모델링하여 데이터에 대해 더 많이 학습하는 것입니다. 알고리즘은 스스로 유사점, 차이점, 구조를 발견하도록 맡겨집니다. 일반적인 기법에는 다음이 포함됩니다:
비지도 학습 기법은 다양한 실제 시나리오에서 사용되며, 특히 레이블이 없는 대량의 데이터를 다룰 때 유용합니다:
비지도 학습은 빅 데이터의 특징인 방대한 양의 레이블이 없는 원시 데이터를 이해하는 데 중요한 역할을 합니다. 이는 종종 데이터 전처리 및 피처 엔지니어링의 필수 단계로 사용되며, 다른 ML 기술을 적용하기 전에 숨겨진 구조를 발견하거나 데이터 복잡성을 줄이는 데 도움을 줍니다. Ultralytics YOLO 같은 모델은 주로 개체 감지와 같은 작업을 위해 지도 방법을 사용해 학습되지만, 비지도 방법을 통해 데이터 구조를 이해하면 데이터 세트 준비 및 분석에 큰 도움이 되어 잠재적으로 모델 성능을 향상시킬 수 있습니다. 데이터 세트 준비를 위한 데이터 수집 및 주석 가이드를 살펴보고, Ultralytics HUB와 같은 플랫폼을 사용하여 데이터와 모델을 관리할 수 있습니다.
비지도 학습과 관련 딥러닝(DL) 및 머신러닝 패러다임을 구분하는 것이 중요합니다:
비지도 학습은 레이블이 부족하거나 사용할 수 없는 복잡한 데이터 세트에서 발견과 이해를 촉진하는 ML의 기본 영역으로 남아 있습니다.