금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

28

1

부

프레임워크

[그림

1

-

4

]는 데이터의 차원이

2

차원 (

X

1

과

X

2

)에서

1

차원 (

Z

1

)으로 변환되는 개념을 설명한

다.

Z

1

은

X

1

과

X

2

에 내포된 정보를 유지하면서 데이터의 차원만 줄인 것이다.

그림

1-4

차원 축소

군집화

군집화

clustering

는 비지도 학습 기술의 하위범주로 데이터에 숨겨진 구조를 찾는 데 사용된다.

군집화의 목표는 데이터 내에 내재된 묶음을 찾는 것으로 한 무리에 있는 항목끼리는 서로 비

슷하고, 다른 무리의 항목과는 달라야 한다.

군집화의 예는 [그림

1

-

5

]에서 볼 수 있는데, 전체 데이터가 군집화 알고리즘을 이용해 서로

구분되는 두 개의 군집으로 나누어지는 것을 확인할 수 있다.

군집 1

군집 2

그림

1-5

군집화

29

1

장

금융 머신러닝

1.3.3

강화 학습

강화 학습(

RL

)의 핵심 개념은 경험과 그에 상응하는 보상 혹은 페널티를 통해 학습해 특정한

상황에서 보상을 극대화하는 적절한 행동을 선택한다. [그림

1

-

6

]에서 보듯이, 에이전트

agent

라

고 부르는 학습 시스템은 환경을 관찰하고 행동을 선택 및 수행하며, 결과로 보상 (혹은 보상의

반대 ...