지도학습(Supervised Learning)

머신러닝의 종류는 다양한 기준으로 나눌 수 있는데 그중 학습하는 방식과 사용하는 데이터에 의해 다음의 4가지로 구분 가능하다. 

 

   ·  지도학습

   ·  비지도학습

   ·  반지도학습

   ·  강화학습 

 

이렇게 분류가 가능한 것은 학습 목적이 달라 그로 인해 학습 방식에도 차이가 있기 때문이다. 학습 방식이 다르니 학습에 사용되는 데이터의 형태에도 차이가 있어 이러한 특징을 이용해 종류를 나눌 수 있는 것이다. 이제 지도학습부터 하나씩 다뤄보도록 하겠다. 여러분은 각 학습 마다 데이터, 방식, 목적이라는 세가지 키워드에 초점을 맞추어 따라오기 바란다. 

 

 

"지도학습(Supervised Learning)"

 

지도학습은 말그대로 학습과정을 지도하는 것이다. 그러므로 학습 데이터에는x 와 x에 대한 라벨인  y가 함께 있으며 컴퓨터는 x1은 y1, x2는 y2 라고 알려주는 지도자의 도움을 받아 학습이 이루어진다. 학습을 통해 컴퓨터는 x 와 y의 관계를 파악하는데 이를 이용해 학습에 등장하지 않은 새로운 입력 데이터에 대해 예측을 할 수 있는 것이다.

 

이때 데이터 y에 따라 지도 학습의 목적은 크게 두가지로 나눌 수 있다. 위 그림에서와 같이 y데이터의 형태가 10, 20, 30 처럼 연속적인 값(real number)의 형태를 생각해보자. 학습이 잘 되었다면 낯선 데이터 4가 입력으로 들어왔을 때 예측 값 40을 반환할 것이다. 이러한 사용 목적을 회귀(Regression)라고 한다. 

 

두 번째로는 y 데이터의 형태가 범주형 값(categorical number) 인 경우를 생각해 볼 수 있다. 강아지와 고양이 사진을 분류하는 상황을 생각해보면 y 값은 강아지이다(0), 고양이이다(1)의 두가지 값 만을 가질 것이다. 이를 통해 새로운 사진을 입력 받으면 1과 0 으로 이 사진이 강아지인지 고양이인지 판단할 것이다. 이러한 과정을 분류(Classification)라고 한다. 

정리해보면 지도학습은 데이터에 x, y 값이 존재하며 y 의 형태에 따라 값을 예측하거나 분류를 할 수 있는 학습 방법이다.

 

 

 

 

 

 

 

---

작성자 홍다혜 ghdek11@gmail.com / 이원재 wonway333@gmail.com