지도학습과 비지도학습

지도학습(Supervised Larning)

• 라벨이 지정된 데이터 세트를 사용하는 머신러닝 접근 방식.

• 정답이 있는 데이터(label)들을 학습한다.

• 이런 정답들은 사람들이 직접 데이터 하나하나에 표기(annotate)한다.

• 예측값(prediction)과 정답(label)이 같아지도록 한다.

• 기계의 예측(prediction)들이 우리가 의도하는 정답(label)이 되도록 지도(supervise)하는 것이다.

• 회귀(Regression), 분류(Classification)가 있다.

  1) 회귀(Regression)

       - Feature를 기준으로, 연속된 값(그래프)을 예측
      - 패턴이나 트렌드, 경향을 예측

  2) 분류(Classification)

       - 카테고리(라벨)에 따라 분류
      - 이진 분류, 다중 분류

비지도학습(Unsupervised Learning)

• 정답(label)없이 데이터를 학습한다.
• 인간의 개입이 없는 데이터를 스스로 학습하여, 그속의 패턴(pattern) 또는 각 데이터 간의 유사도(similarity)를 학습한다.
• 클러스터링(Clustering), 연관(Association), 차원 축소(Dimensionality reduction)이 있다.

1) 클러스터링(Clustering)

     - 데이터를 유사성 또는 차이점에 따라 그룹화하는 데이터 마이닝 기술이다.

2) 연관(Association)

     - 데이터 간의 관계(relationship) 혹은 패턴(pattern)을 학습한다.

3) 차원 축소(Dimensionality reduction)

     - 차원이 높은 데이터의 학습을 효율적이게 하기 위해 사용된다.
     - 고차원의 데이터를 저차원의 데이터로 만드는 것이 핵심이다.

---

🤔 지도학습과 비지도학습의 차이점은❓

• 지도학습은 데이터에 정답(label)이 함께 제공된다.

• 비지도학습은 데이터에 정답(label)이 없고, 모델이 데이터 자체의 구조나 패턴을 찾아야 한다.

• 지도학습은 출력을 '예측'하는 것이 목표이다.

• 비지도학습은 패턴, 구조를 '발견'하는 것이 목표이다.

출처
blog
blog
blog
medium