🇶 지도 학습과 비지도 학습의 차이는 무엇인가요?
지도 학습과 비지도 학습의 가장 큰 차이는'정답(Label)의 유무'입니다.
1. 지도 학습 (Supervised Learning)
컴퓨터에게 문제와 정답을 함께 주고 학습시키는 방식입니다. 즉, 입력 데이터()와 그에 대한 결과값()이 쌍으로 존재해야 합니다.
- 학습 원리: 데이터와 정답 사이의 관계를 나타내는 함수를 찾아내어, 새로운 데이터가 들어왔을 때 결과를 예측합니다.
- 대표 알고리즘:
- - 대표 문제:
- 회귀 (Regression): 연속적인 수치를 예측합니다. (예: 집값 예측, 주가 예측)
- 분류 (Classification): 데이터를 정해진 범주로 나눕니다. (예: 스팸 메일 여부 판단, 사진 속 동물이 개인지 고양이인지 판별)
2. 비지도 학습 (Unsupervised Learning)
정답(Label) 없이 데이터 자체만 주고 학습시키는 방식입니다. 데이터 속에 숨겨진 특징이나 구조를 스스로 찾아내야 합니다.
- 학습 원리: 데이터 간의 유사성을 측정하거나 분포를 파악하여 데이터의 패턴을 발견합니다.
- 대표 문제:
- 군집화 (Clustering): 비슷한 특징을 가진 데이터끼리 그룹으로 묶습니다. (예: 고객 세분화)
- 차원 축소 (Dimensionality Reduction): 핵심 정보는 유지하면서 데이터의 복잡도를 줄입니다. (예: PCA)
- 연관 규칙 (Association Rule): 데이터 간의 동시 발생 패턴을 찾습니다. (예: 마트에서 분유를 사는 사람은 기저귀도 함께 삼)
3. 주요 차이점 비교
| 구분 | 지도 학습(Supervised) | 비지도 학습(Unsupervised) |
|---|---|---|
| 정답(Label) | 있음(O) | 없음(X) |
| 목적 | 값 예측 및 분류 | 데이터의 구조 및 패턴 파악 |
| 평가 방법 | 실제 정답과 비교하여 정확도 측정 | 정해진 기준이 없어 결과 해석이 주관적임 |
| 알고리즘 | 선형회귀, 로지스틱 회귀, SVM, 딥러닝 등 | K-평균 군집화(K-Means), PCA 등 |
