비지도 학습

영어	Unsupervised Learning
분류	기계학습 패러다임
입력	레이블 없는 데이터
작업	클러스터링, 차원 축소

'''비지도 학습'''(Unsupervised Learning)은 레이블 없는 데이터에서 숨겨진 패턴이나 구조를 발견하는 [[기계학습]] 방법입니다. == 개요 == 비지도 학습은 정답 레이블 없이 데이터만으로 학습합니다. 데이터 내부의 구조, 패턴, 관계를 스스로 발견합니다. [[데이터 라벨링]]이 불필요하므로 대량의 데이터를 활용할 수 있습니다. == 주요 작업 == === 클러스터링 (Clustering) === * 유사한 데이터 그룹화 * 사전 그룹 정의 없음 * 예: 고객 세분화 === 차원 축소 (Dimensionality Reduction) === * 고차원 데이터 단순화 * 중요 특징 추출 * 예: 데이터 시각화 === 이상 탐지 (Anomaly Detection) === * 비정상 패턴 식별 * 예: 사기 탐지, 고장 예측 === 연관 규칙 학습 === * 항목 간 관계 발견 * 예: 장바구니 분석 == 대표 알고리즘 == === 클러스터링 === * K-means * DBSCAN * 계층적 클러스터링 * GMM (가우시안 혼합 모델) === 차원 축소 === * PCA (주성분 분석) * t-SNE * UMAP * Autoencoder == 딥러닝에서의 비지도 학습 == === 오토인코더 === * 입력 재구성 학습 * 잠재 표현 추출 * 이상 탐지 활용 === GAN === * [[GAN|적대적 생성 신경망]] * 데이터 분포 학습 * 이미지 생성 === 자기지도 학습 (Self-supervised) === * 레이블 자동 생성 * BERT, GPT 사전훈련 * 대조 학습 (Contrastive) == 활용 분야 == === 고객 세분화 === * 마케팅 타겟팅 * 행동 패턴 분석 * 맞춤형 서비스 === 이상 탐지 === * 신용카드 사기 * 네트워크 침입 * 제조 불량 === 추천 시스템 === * 콘텐츠 기반 필터링 * 유사 아이템 발견 === 데이터 전처리 === * 특징 추출 * 노이즈 제거 * 시각화 == LLM 사전훈련 == [[ChatGPT]], [[Claude]] 등 [[LLM]]의 사전훈련: * 다음 토큰 예측 * 마스크 언어 모델링 * 대규모 비레이블 데이터 활용 == 한계 == * 평가 어려움 * 결과 해석 주관적 * 하이퍼파라미터 민감 * 클러스터 수 결정 어려움 == 관련 문서 == * [[지도 학습]] * [[강화학습]] * [[기계학습]] * [[딥러닝]] [[분류:인공지능]] [[분류:기계학습]]