더 이상 Amazon Machine Learning 서비스를 업데이트하거나 새 사용자를 받지 않습니다. 이 설명서는 기존 사용자에 제공되지만 더 이상 업데이트되지 않습니다. 자세한 내용은 [머신 러닝이란?](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) 단원을 참조하세요.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 학습 알고리즘
<a name="learning-algorithm"></a>

학습 알고리즘의 과제는 모델의 가중치를 학습하는 것입니다. 가중치는 모델이 학습하고 있는 패턴이 데이터의 실제 관계를 반영할 가능성을 설명합니다. 학습 알고리즘은 손실 함수 및 최적화 기법으로 구성됩니다. 손실은 ML 모델이 제공하는 대상의 추정치가 대상과 정확하게 일치하지 않을 때 발생하는 페널티입니다. 손실 함수는 이 페널티를 단일 값으로 수량화합니다. 최적화 기법은 손실 최소화를 추구합니다. Amazon Machine Learning에서는 세 가지 유형의 예측 문제 각각에 대해 세 가지 손실 함수를 하나씩 사용합니다. Amazon ML에서 사용되는 최적화 기법은 온라인 SGD(Stochastic Gradient Descent)입니다. SGD는 학습 데이터에 대해 순차적으로 전달하며, 각 전달 중에 손실을 최소화하는 최적의 가중치를 위한 목적으로 한 번에 한 가지 예를 사용하여 특성 가중치를 업데이트합니다.

Amazon ML은 다음과 같은 학습 알고리즘을 사용합니다.
+ 바이너리 분류의 경우 Amazon ML은 로지스틱 회귀(로지스틱 손실 함수 \+ SGD)를 사용합니다.
+ 멀티클래스 분류의 경우 Amazon ML은 다항 로지스틱 회귀(다항 로지스틱 손실 \+ SGD)를 사용합니다.
+ 회귀의 경우 Amazon ML은 선형 회귀(제곱 손실 함수 \+ SGD)를 사용합니다.