머신러닝 학습 방식 총정리: Supervised vs Semi-Supervised vs Unsupervised

Machine Learning 필수 개념: 지도 학습, 반지도 학습, 비지도 학습 완벽 이해

머신러닝(Machine Learning)을 제대로 이해하려면 가장 먼저 세 가지 기본 학습 방식을 정확히 알아야 합니다.
바로 Supervised Learning(지도 학습), Semi-Supervised Learning(반지도 학습), Unsupervised Learning(비지도 학습) 입니다.

---

1. Supervised Learning (지도 학습)

정의

• 입력 데이터와 정답(레이블) 이 함께 제공되는 가장 기본적인 학습 방식입니다.
• 모델은 입력을 보고 정답을 예측하는 법을 배웁니다.

데이터 예시

• 이미지 → "고양이" 라벨
• 이메일 → "스팸" 또는 "정상" 라벨

대표 알고리즘

• 분류: SVM, 로지스틱 회귀, Random Forest, CNN, Transformer
• 회귀: 선형 회귀, XGBoost, Decision Tree Regressor

사용 예시

• 얼굴 인식: 사진 → 사람 이름
• 음성 인식: 음성 신호 → 텍스트
• 의료 진단: X-ray → 질병 유무 판별

---

2. Semi-Supervised Learning (반지도 학습)

정의

• 전체 데이터 중 일부만 레이블이 있고, 나머지는 라벨이 없는 상태.
• 소량의 레이블 데이터를 활용해 비라벨 데이터까지 효과적으로 학습하는 것이 핵심.

대표 기술

• Pseudo-labeling (가짜 라벨 생성)
• Consistency Regularization
• FixMatch, MixMatch (이미지 분류에서 유명)

사용 예시

• 대량의 의료 이미지 중 일부만 전문가가 라벨링한 경우
• 웹에서 수집한 대규모 데이터 중 일부만 수작업 라벨링된 경우

---

3. Unsupervised Learning (비지도 학습)

정의

• 레이블 없이 데이터 자체만으로 패턴이나 구조를 파악하는 학습 방법.
• 숨겨진 군집, 관계, 데이터 구조를 찾아냄.

대표 알고리즘

• 클러스터링: K-Means, DBSCAN
• 차원 축소: PCA, t-SNE, UMAP
• 밀도 추정: Gaussian Mixture Model
• 생성 모델: Autoencoder, GAN

사용 예시

• 고객 세분화: 특성 기반으로 그룹 나누기
• 문서나 이미지 군집화
• 이상 탐지: 정상 패턴에서 벗어난 이상 징후 감지

---

4. 비교 한눈에 보기

구분	레이블 여부	예시	주요 목적
Supervised	레이블 있음	이미지 → 고양이/강아지	정확한 예측 모델 학습
Semi-Supervised	일부만 레이블 있음	일부 라벨링된 의료 이미지	라벨 부족 상황에서 보완 학습
Unsupervised	레이블 없음	사용자 행동 데이터 클러스터링	데이터의 숨겨진 구조 파악

---

5. 요약

• Supervised: 레이블이 있는 데이터 → 정확한 예측 모델
• Semi-Supervised: 일부만 라벨링된 데이터 → 라벨 부족을 극복
• Unsupervised: 라벨 없이 데이터 탐색 → 숨겨진 패턴과 구조 찾기

추가 Tip
실제 현장에서는 Semi-Supervised Learning이 점점 더 중요해지고 있어요!
대용량 데이터의 라벨링 비용을 줄이면서도 높은 성능을 확보할 수 있기 때문입니다.

---