[ML] 지도 학습 (Supervised Learning)의 정의와 종류

지도 학습 모델

오늘날 가장 많은 경제적 가치를 창출하는 머신 러닝 모델. 지도 학습 모델은 주어진 Input에 대하여 Output을 계산하는 알고리즘으로 설계된 모델을 의미한다.

지도학습의 가장 중요한 특징은 주어진 Input에 대한 정답 레이블 (Label, Output)이 정해진 데이터를 알고리즘이 학습한다는 점이다. 
 
지도 학습 모델 (Supervised Learning)은 정답이 포함된 방대한 데이터를 학습한 후, 데이터 내 요소들 간의 연관성을 발견하여 예측을 수행한다.

지도 학습 모델은 인간이 알려진 정답 결과 (Label) 를 가진 데이터를 머신러닝 시스템에 제공하는 점에서 '지도' (Supervision)을 받는다고 할 수 있다.

지도 학습의 가장 일반적인 용례는 회귀 (Regression)과 분류 (Classification)이다.
 

Andrew Ng 선생님의 직관적인 필기

 

회귀 (Regression)과 분류 (Classification)

정의

지도 학습 모델은 모델이 무엇을 예측하냐에 따라 회귀와 분류로 구분된다. 만일 모델이 주어진 특성 (Feature)를 기반으로 무한으로 이루어진 수치를 예측한다면 이는 회귀 모델이고, 모델이 한정된 카테고리로 분류하는 역할을 한다면 이는 분류 모델이다. 분류 모델은 카테고리의 갯수에 따라 Binary Classification과 non-binary classification으로 구분할 수 있다. 
 

사례

집의 크기에 따른 집의 가격을 예측하는 모델의 경우, 집의 가격이라는 수치를 추론하는 것이므로 회귀 (Regression) 모델을 활용할 수 있다. 이와 달리 날씨 (화창함, 흐림, 비, 눈 등)을 예측하는 모델이나 이메일이 스팸인지 아닌지 구분하는 모델은 많은 샘플 이메일을 카테고리 하위로 분류하는 것이므로 분류 (Classification) 모델을 사용할 수 있다. 
 

Input (X)	Output (Y)	Application
email	spam	spam filtering
audio	text transcripts	speech recognition
ad, user info	click? (0, 1)	online advertisement
image, radar info	position of other cars	self-driving car

 
 
 

회귀 모델 (Regression) 의 예시 - 어떤 모델 (곡선 vs 직선)이 더 집의 크기에 따른 가격을 예측할 수 있는지 계산한다

 
 
 
 
 
 
출처
Google for Devleopers: What is Machine Learning? (link)
Supervised Machine Learning: Regression and Classification, Supervised Learning Part 1
핸즈온 머신러닝 34-35쪽