표현 학습

표현 학습(Representation Learning)은 머신 러닝을 사용하여 각 개체 또는 관계의 벡터화된 표현을 얻는 방법으로, 분류기나 기타 예측 변수를 구축할 때 유용한 정보를 보다 쉽게 추출할 수 있습니다.

머신 러닝에서 표현 학습은 피쳐 학습의 기술적인 통합입니다. 즉, 원시 데이터를 머신 러닝에서 활용할 수 있는 형태로 변환하는 것입니다. 이 방법을 사용하면 기능을 수동으로 추출하는 번거로운 과정을 피할 수 있으며, 추출 방법을 익히는 동시에 기능을 사용하는 방법을 배울 수 있습니다.

표현 학습 분류

표현 학습에는 지도 표현 학습과 비지도 표현 학습이라는 두 가지 주요 유형이 있습니다.

• 지도 표현 학습: 레이블이 지정된 데이터는 신경망, 다층 퍼셉트론, 지도 사전 학습과 같은 학습을 위한 특징으로 사용됩니다.
• 비지도 표현 학습: 레이블이 지정되지 않은 데이터는 비지도 사전 학습, 독립 구성 요소 분석, 자동 인코딩, 행렬 분해, 클러스터 분석 및 이들의 변형과 같이 학습을 위한 특징으로 사용됩니다.

상위/관련 단어: 머신 러닝