이런 경우에도 머신러닝을 사용하여 문제를 해결할 수 있는지 궁금합니다.

[ji0eeeee]

해결하고자 하는 문제

안녕하세요.
현재 건축학과에 재학중인 학생입니다.

머신러닝 관련해서 독학으로 공부를 하고 있는 단계라 지식이 깊지 않은 점 양해 부탁드립니다.

제가 문의드리고자 하는 내용은 다음과 같습니다.

말로 설명드리는게 어려워 그림을 준비하였습니다.

다음과 같이 행동에 따른 건축환경을 추천하는 데이터와 (1)

날씨에 따른 건축환경을 추천하는 데이터 (2) 그리고 피로도에 따른 건축환경을 추천하는 데이터 (3) 등등이 존재한다고 가정하였을때

행동, 날씨, 피로도, 나이.. 등을 모두 고려하여 건축환경을 새롭게 추천하고자 합니다. (여기서 건축환경은 빛의 밝기로 크고 작은 수치로 표현이 가능합니다.)

즉, 낮잠이라는 행동을 할 경우 C라는 건축환경을 추천하고 날씨가 맑음일 경우 D라는 건축환경을 추천하고 피로도가 상인경우 A라는 건축환경을 추천하는데, 이를 모두 고려하였을때는 어떤 건축환경이 좋은지 현재로선 알지 못합니다.

이때 머신러닝을 사용하면 알 수 있는지 궁금합니다.

시도해본 방법

현재 행동,날씨,피로도를 모두 고려하여 임의로 건축환경을 추천한 데이터를 작성하여 그 데이터를 가지고 train과 test set으로 나눠 knn, svm 알고리즘에 넣어보았습니다.
그러나 이런 데이터는 행동,날씨,피로도에 따른 빛의 밝기를 제가 임의로 지정한것이기 때문에 제가 지정한 빛의 밝기가 정답이라고 할 수 없는 상황입니다.. 하지만 행동에 따른 건축환경, 날씨에 따른 건축환경에 대한 데이터는 가지고 있는 상황입니다. 그래서 데이터를 종합해서 건축환경이 나오도록 하고싶은데, 어떤 방법을 써야 되는건지 잘 모르겠어 질문 드립니다..!!

선행 연구를 찾아봤을때도 input 데이터 여러개에 따른 하나의 output데이터를 추출할때, 이미 ipnut에 따른 output을 알고 있는 상황에서 새로운 input을 넣었을때 그 규칙에 따라 추천해주는 방법을 사용하고 있고 bayesian approach를 사용할 경우에도 사전지식을 활용하여 사건에 대한 확률을 추정할 수 있다고 하는데 이 경우도 기존에 행동, 날씨, 피로도를 모두 고려한 건축환경 데이터가 존재해야 사용할 수 있는것 아닌가요? .. ! 그래서 제가 생각하는것이 현실적으로 실현이 가능한건지 궁금합니다..!

혹시 가능하다면 방향성만이라도 알려주시면 제가 찾아보고 공부하겠습니다..!!

답변 정말 정말 감사합니다...

[storykim]

흥미로운 주제네요! 좋은 질문 감사합니다.

저는 이런 문제를 다루는 분야를 일컫는 말이 있는지는 잘 모르겠으나, 저라면 어떻게 문제를 접근해볼지 한 번 생각해봤습니다. 이 아이디어들이 도움이 되시길바래요.

앙상블 학습 사용

앙상블 학습은 ML에서 흔히 사용되는 테크닉 중 하나인데요, 여러가지 작은 모델들의 아웃풋을 종합해서 최종적인 아웃풋을 결정하는 학습 방법입니다. 말씀해주신 경우에는 각각의 데이터셋을 바탕으로 추천하는 빛의 밝기를 여러 개 도출해내고, 그것들을 잘 조합하는 식으로 적용해볼 수 있을 것 같아요. 앙상블 학습과 관련해서는 검색을 통해 쉽게 자료를 찾아보실 수 있을거에요.

임의의 값 채우기

두 번째로 적용해볼만한 방법은 우리가 모르는 필드에 임의의 값을 채워넣는 방법입니다. 예를 들어 행동과 빛의 밝기만 알고있다면, 날씨와 피로도는 임의의 값을 넣어서 인풋 데이터로 활용하는거죠. 그렇다면 적당한 임의의 값은 어떻게 찾을 수 있을까요? 쉽게 떠올릴 수 있는 방법은 두 가지가 있습니다.

a. Random value를 집어넣기
b. '모르는 값' 이라는 새로운 라벨을 만들기

a의 경우, 무작정 랜덤값을 집어넣기보다는 실제 데이터 분포에 따라 랜덤값을 집어넣는 것도 방법입니다. 예를 들어 비오는 날보다 맑은 날이 훨씬 많은 경우, 랜덤데이터를 넣을 때도 맑은 날을 더 많이 넣는 식으로요.
b의 경우를 조금 더 자세히 설명해드리자면, 예를 들어 행동의 분류에 '낮잠', '공부', '작업', '식사' 이렇게 4가지가 있다면 여기에 '알수없음' 이라는 추가 분류를 넣는 방법입니다. 다만 말씀해주신 예시를 보면 필드를 알 수 없는 경우가 너무나 많아서 학습이 쉽지 않을 수도 있을 것 같습니다.

답변이 조금이나마 도움이 되셨길 바래요.

[sunny939]

안녕하세요. 저는 머신러닝을 배우러 온 왕초보이고, 건축에 대해서도 모릅니다. 하지만 조언을 해 드릴 수 있을 것 같아 글을 씁니다.

머신러닝에서 중요한 건 'Data'라고 들었어요.
가지고 계신 데이터가 어떻게 만들어진 것인지를 파악하실 수 있다면 원하시는 결과를 만들어내실 수 있을 것 같아요.

원래 상황은 복합적인 거잖아요. 말씀하신 '행동', '날씨', '피로' 등등 복합적인 요인이 있을 텐데, 행동/날씨/피로 등 요인(또는 변수) 하나에 따라 건축환경을 추천하는 데이터는 상황을 단순화시킨 거죠.

이미 알고 계신 이 데이터는어떻게 만들어진 걸까요?

1. '다른 요인(변수)들은 이러저러하지만 행동만 놓고 봤을 때는 이런 건축환경이 좋더라.' 일 수도 있고
2. '날씨는 맑음'/'피로도는 중' 으로 (다른 변수들은) 통제했을 때 낮잠은 C가 좋다. 라고 했을 수도 있죠.

1번의 경우는 '기존에 행동, 날씨, 피로도 등이 모두 포함된 raw data'가 존재할 수도 있고, 아니면 각 행동,날씨, 피로도 등 데이터분포가 어떤지 알 수도 있는 자료를 참고하여 '통계'를 이용하면 될 것 같아요. 위에 storykim님 답변을 참고하시면 될 듯 합니다.
2번의 경우 변수가 통제된 전제조건이 무엇인지를 알면 그걸 고려해서 결과값을 줄 수 있을 것 같아요.

또는 데이터 외 가지고 계신 지식을 활용해서 가중치 같은 걸 줄 수 있을 것 같아요. 새로운 데이터를 만드시는 거죠.( 이 때도 데이터들이 왜 저렇게 만들어졌는지 아는 게 도움이 되겠죠)
'낮잠이라는 행동을 할 경우 C라는 건축환경을 추천하고 날씨가 맑음일 경우 D라는 건축환경을 추천하고 피로도가 상인경우 A라는 건축환경을 추천하는데, 이를 모두 고려하였을때는 어떤 건축환경이 좋은지 현재로선 알지 못합니다.' 라고 하셨는데..
왜 낮잠을 잘 때는 C라는 환경을 추천하고, 날씨가 맑을 땐 D를 추천하고 피로도가 상일 때는 A를 추천할까요? 제가 보기에는 공부나 작업 등을 할 때는 밝은 환경, 음악감상이나 수면 을 할 때는 어두운 게 좋고, 날씨가 맑으면 그 자체로 밝으니까 굳이 더 밝게 만들어 줄 필요는 없고, 피로하니까 더 밝게~라고 생각할 수 있을 것 같아요. 건축관련 지식이 있으시니 더 정밀하게 분석 또는 실험이 가능하시겠지요.
건축환경이 크고 작은 수치로 나타낼 수 있으니 각 변수에 적당한 값을 각각 곱해서 결과값을 도출할 수 있을 것 같아요. 이 때 초기에 특정 상황들에 곱하는 값은 질문자님이 정해주셔야 할 듯 하고요. 입력한 재료들로 만족스런 건축환경이 도출되면 그걸 머신러닝에 학습시키시고, 이후 다양한 상황에 기계가 추천할 수 있도록 만드시면 되겠죠.

[ji0eeeee]

두분 다 답변 정말 정말 감사합니다 ! 고안해 주신 방법이나 방향성 잘 고려해보도록 하겠습니다.
혼자 하려니 막막했는데 도움 주신 두분께 다시 한번 감사드립니다 !!!

[RayleighKim]

즉, 낮잠이라는 행동을 할 경우 C라는 건축환경을 추천하고 날씨가 맑음일 경우 D라는 건축환경을 추천하고 피로도가 상인경우 A라는 건축환경을 추천하는데, 이를 모두 고려하였을때는 어떤 건축환경이 좋은지 현재로선 알지 못합니다.

• 머신러닝을 사용할 수 있는가? <-- Yes
• 머신러닝이 가장 좋은 환경을 추천해줄 수 있는가? <-- Probably Not

이런, 말씀해주신 내용은 지도학습이 아니네요.. 비지도 학습으로 가면 현실적인 '평가'가 어려워지구요.. 만일 '행동 날씨 피로 나이 감정' 의 내용이 완벽히 똑같아도 A일 수도 있고 B일수도 있다면 그때부터는 강화학습 task가 됩니다.

진행해보시다가, 지도/비지도학습 으로는 무언가 안되는 것 같다면, 한 번 고려해보세요.