지도학습과 비지도 학습

지도학습

• 정답(뭐가 출력해야 할지)을 알고 있는 학습
• 입력 데이터와 그에 대응하는 출력 데이터(목표값)가 쌍을 이루고 있어, 모델이 입력값으로부터 정확한 출력을 예측할 수 있도록 학습
• 지도학습의 대표적인 예로는 회귀와 분류

회귀(regression)

• 회귀 분석은 연속적인 값을 예측하는 작업
• 입력 변수와 출력 변수 사이의 관계를 학습하여 새로운 데이터에 대해 연속적인 값을 예측
• 대표적으로 선형 회귀, 다항 회귀, 서포트 벡터 회귀, 결정 트리 회귀, 랜덤 포레스트 회귀 등
• 사용 예시) 집값 예측, 주식 가격 예측 등

분류(classification)

• 분류는 데이터를 미리 정의된 범주(클래스) 중 하나로 분류하는 작업
• 학습 데이터에서 입력 변수와 클래스 레이블의 관계를 학습하여 새로운 데이터에 대해 그 클래스 레이블을 예측
• 대표적으로 로지스틱 회귀, 서포트 벡터 머신, 결정 트리, 랜덤 포레스트, k-최근접 이웃(k-NN), 신경망 등
• 사용 예시) 이메일 스팸 필터링, 이미지 분류, 질병 진단

 

비지도 학습

• 정답(출력값)을 모르는 데이터로 모델을 학습시키는 방법
• 이터의 구조나 패턴을 학습하여 유사한 데이터끼리 그룹화하거나,
  데이터의 차원을 줄여 중요한 특성을 추출하는 등의 작업을 수행
• 대표적인 비지도 학습 기법으로는 군집화, 차원 축소, 생성적 적대 신경망(GAN)

 

군집화 (Clustering)

• 군집화는 데이터를 유사한 특성을 가진 그룹(클러스터)으로 묶는 작업
• 데이터 포인트들 간의 유사성을 기준으로 군집을 형성
•  K-평균(K-means), 계층적 군집화, DBSCAN 등
• 사용 예시) 고객 세분화, 문서 군집화 등

차원 축소 (Dimensionality Reduction)

• 차원 축소는 고차원 데이터를 더 낮은 차원의 데이터로 변환하는 작업
• 데이터의 중요한 특성을 최대한 유지하면서 차원을 축소
• 주성분 분석(PCA), t-SNE, UMAP 등
• 사용 예시) 데이터 시각화, 노이즈 제거 등

생성적 적대 신경망 (GAN: Generative Adversarial Networks)

• GAN은 두 개의 신경망(생성자와 판별자)이 서로 경쟁하며 학습하는 방식
• 생성자는 실제와 유사한 가짜 데이터를 생성하고, 판별자는 실제 데이터와 가짜 데이터를 구분
• 사용 예시) 이미지 생성 등