[ML] 분류(Classification)와 회귀(Regression)

1. 기계학습이란?

• 어떠한 일을 예측한다는 것은, 수많은 규칙들이 존재하기 때문에 어렵습니다.
• 예측하는 방법을 일일이 프로그래밍하지 않고 어떤 자료와 현상에서 자동적으로 배우게 하는 것이 바로 기계학습입니다.
• 즉, 자체적으로 데이터를 보고 학습해서 뭔가를 배우는 능력을 갖는 프로그램을 기계학습이라고 할 수 있습니다.

2. 학습의 종류

• 학습을 하기 위해서는 데이터가 필요합니다.
• 학습은 방법에 따라, 지도(Supervised)학습과 비지도(Unsupervised)학습 2가지 종류로 나눌 수 있습니다.

3. 지도 학습 (Supervised Learning)

• 레이블이 주어진 데이터를 학습하는 것을 지도 학습이라고 합니다.

• 레이블이 주어진 데이터라는 것은 고양이, 강아지, 모자 등과 같이 개체의 특징이 명확하게 존재하는 데이터를 의미합니다.

• 지도 학습의 3가지 유형

  • 이진 분류

    • 데이터를 입력 받으면 두 가지 대상(Class)중 하나로 예측합니다.
    • 예 : 공부 시간을 바탕으로 한 합격/불합격 분류

  • 다중 분류

    • 데이터를 입력 받으면 여러 가지 대상(Class)중 하나로 예측합니다.
    • 예 : 공부 시간을 바탕으로 한 등급분류

  • 회귀

    • 데이터의 연속적인 흐름을 파악해 입력이 들어왔을 때 float 형태의 값을 예측합니다.
    • 예 : 공부 시간을 바탕으로 한 최종 시험 점수 예측

4. 비지도 학습 (Unsupervised Learning)

• 뉴스 분류, 유사 단어 분류와 같이 레이블이 명확하게 주어지지 않은 데이터를 학습하는 것을 비지도 학습이라고 합니다.
• 학습 초기에, 지도 학습처럼 레이블을 지정해주지 않고, 학습을 해나가면서 데이터를 통해 레이블을 찾아나가게 됩니다.