[ML] Supervised vs. Unsupervised Learning / Regression vs Classification

Supervised vs. Unsupervised Learning models

Supervised Learning Model

Target value(label)이 있다. 정답인지 아닌지를 판별하기 때문에, 입력 데이터에도 또한 정답값이 같이 주어진다.

Supervised Learning Model의 예시로는 Linear regression, Logistic regression, support vector machine, k-nearest neighbors, neural networks 등이 있다.

Unsupervised Learning Models

Target value(label)이 없다. 정답이 없는 학습이며, 패턴을 통해 군집으로 분류하거나 연관성을 파악한다.

Unsupervised Learning Model의 예시로는 Principle component analysis (PCA), k-means, hierarchical clustering, 등이 있다.

---

Supervised Learning의 종류에는 Classification과 Regression이 있다.
둘의 차이를 알아보자.

Regression vs Classification

Regression

연속적인 값을 예측한다.
Predict continuous variables. Find correlation between dependent and independent variables.
E.g., 내일 기온은 몇 도? 30평 집의 가격은 얼마?

Classification

이산적인 값을 예측한다. 함수를 경계선으로 분류.
Find the mapping function to map X to Y which is discrete output.
E.g., 내일은 추울까 더울까? 30평 집의 가격은 5억 이상인가?