[IT/AI] 지도학습(Supervised Learning) - 정의, 예시, 유형

지도학습이란?

지도학습은 입력 데이터와 그에 대응하는 정답(라벨)을 기반으로 모델을 훈련시키는 방법입니다. 이 과정에서 모델은 데이터에서 패턴을 학습하고, 이를 바탕으로 새로운 데이터에 대한 예측을 수행합니다. 예를 들어, 고양이와 개의 이미지를 구분하는 모델을 만들 때, 각 이미지에 '고양이' 또는 '개'라는 라벨을 붙여 모델에게 학습시키는 것이죠.

쉽게 말하면, 질문과 정답을 모두 제공하여 모델을 학습 시킨다고 할 수 있습니다. 

 

---

지도학습의 실생활 예시

• 의료 이미징 :  MRI나 CT스캔과 같은 의료 이미지를 분석하여 특정 질명의 징후를 탐지하는데 사용됩니다.
• 금유 분야의 사기 탐지 : 은행과 금융기관은 지도학습을 이용해 신용카드 거래나 계좌 활동을 분석합니다. 
• 자동차 번호판 인식 : 교통 관리 시스템에서 자동차 번호판을 인식하여 통행료 청구, 불법 주차 감지 등에 사용됩니다.

---

지도학습의 유형

1. 분류 (Classification)

출력 변수가 카테고리인 지도 학습의 한 유형입니다. 

목표는 레이블이 지정된 훈련 데이터 세트를 기반으로 입력이 속하는 카테고리 또는 클래스를 예측하는 것입니다.

 

ex) 스팸메일 분류 - 새로운 메일이 있을 때 스팸인지 보통의 메일인지 파악

 

---

2. 회귀 (Regression)

지도 학습의 또 다른 유형인 회귀는 입력 변수를 기반으로 지속적인 결과를 예측하는 것입니다. 

여기서 출력 변수는 숫자나 수량과 같은 실수 또는 연속값이 해당합니다. 목표는 입력 변수와 연속 출력 변수 간의 관계를 설정하는 것입니다. 쉽게 말해 연속적인 값을 예측하는 것입니다.

 

ex) 집의 크기에 따른 가격 예측 - 26평형이 ㅇㅇ원 일때, 32평형은 ㅇㅇ원 일것이다.

예시로 만든 그래프

그래프를 보면 'x가 커질수록 y값도 커질것이다' 라고 예측할 수 있습니다.

---

머신러닝의 대표적인 유형 중 하나인 지도학습에 대해 알아보았습니다.

아래 링크는 3가지 유형을 간단하게 정리한 게시물 입니다!

https://riwltnchgo.tistory.com/103

[IT/AI] 머신러닝의 세 가지 유형(지도학습, 비지도학습, 강화학습)