[Machine_learning] 지도 학습_비지도 학습

 

지도 학습

지도 학습은 입력 데이터와 정답 데이터가 모두 주어지는 학습 방법이다.

즉, 컴퓨터는 입력 데이터와 정답 데이터를 이용하여 학습하고, 새로운 입력 데이터가 주어졌을 때 정답을 예측한다.

이 때 입력 데이터와 정답 데이터는 짝을 이루어야 한다. 지도 학습은 대부분의 분류나 회귀 문제에서 사용된다.

 

예를 들어, 과일 사진이 주어졌을 때 그 과일이 어떤 과일인지 예측하는 문제가 있다고 하자. 이 때, 과일 사진을 입력 데이터로, 해당 과일의 이름을 정답 데이터로 사용하여 학습한다. 그리고 새로운 과일 사진이 주어졌을 때, 컴퓨터는 그 과일이 어떤 과일인지 예측할 수 있다.

 

비지도 학습

비지도 학습은 정답 데이터 없이 입력 데이터만을 이용하여 학습하는 방법이다.

즉, 컴퓨터는 입력 데이터의 구조나 패턴을 학습하고, 이를 기반으로 새로운 데이터를 처리한다.

비지도 학습은 대부분 군집화나 차원 축소 문제에서 사용된다.

 

예를 들어, 과일 사진이 주어졌을 때, 컴퓨터는 과일의 종류에 상관 없이 과일 사진들의 공통된 패턴이나 특징을 학습할 수 있다. 그리고 이를 기반으로 비슷한 패턴을 가진 과일은 같은 그룹으로 묶일 수 있다.

따라서, 지도 학습과 비지도 학습은 각각 입력 데이터와 정답 데이터의 존재 여부에 따라 구분되며, 이를 이용하여 다양한 문제들을 해결할 수 있다.

 

 

이렇게 머신러닝의 두 가지 학습 방법을 이해하면, 어떤 문제를 해결하기 위해 어떤 학습 방법을 사용해야 하는지 파악할 수 있다.

예를 들어, 스팸 메일 분류 문제는 지도 학습으로 해결할 수 있고, 비정상 거래 탐지 문제는 비지도 학습으로 해결할 수 있다.

 

하지만 머신러닝의 학습 방법을 선택하는 것은 그 문제의 복잡도나 데이터의 양 등에 따라 달라질 수 있으므로, 문제를 해결하기 위해 어떤 학습 방법을 사용해야 하는지는 항상 신중하게 고려해야 한다.