지도학습 vs 비지도학습

머신러닝 알고리즘은 크게 지도학습, 비지도학습 나눌 수 있습니다.

1. 지도학습 Supervised Learning

• 개념: 이미 정답(label)이 있는 데이터셋을 사용하여 데이터를 분류하거나 결과를 정확하게 예측하는 알고리즘을 학습시키는 것입니다. 알고리즘은 손실함수를 통해 정확도를 측정하고 오류가 충분히 최소화될 때까지 조정합니다. 아이에게 사과와 배 사진을 보여주고 각각의 이름을 알려주는 것과 같습니다.
• 목표: 주어진 데이터를 기반으로 입력과 출력 사이의 관계를 학습하여 새로운 데이터에 대한 예측 또는 분류를 정확하게 수행하는 것입니다.
• 종류
  - 분류(Classification): 선형 분류기, 서포트 벡터 머신(SVM), 의사 결정 트리, K-Nearest Neighbor, Random Forest 등
  - 회귀(Regression): 선형 회귀, 로지스틱 회귀, 다항식 회귀
• 예시
  - 스팸 필터: 스팸 메일과 일반 메일을 구분하도록 학습
  - 질병 진단: 환자의 증상을 기반으로 질병 예측
  - 손글씨 인식: 손으로 쓴 글씨를 컴퓨터가 인식하도록 학습

2. 비지도학습 Unsupervised Learning

• 개념: 정답(label)이 없는 데이터를 사용하여 모델을 학습시키는 방식입니다. 모델은 스스로 데이터의 특징과 패턴을 파악해야 합니다.
• 목표: 데이터에 숨겨진 의미 있는 정보(구조, 패턴, 특징 등)를 찾아내는 것입니다. 아이에게 여러 종류의 과일 사진을 보여주고 스스로 비슷한 과일끼리 분류하도록 하는 것과 같습니다.
• 종류
  - 군집화(Clustering): 유사한 특징을 가진 데이터들을 그룹으로 묶습니다. -> K-means clustering
  - 연관: 특정 데이터셋에서 변수 간의 관계를 발견하기 위한 규칙 기반 학습 방법 -> Apriori 알고리즘
  - 차원 축소(Dimensionality Reduction): 복잡한 데이터를 간단하게 표현합니다. -> 주성분 분석, 비정칙 값 분해(SVD), 오토인코더
• 예시
  - 고객 세분화: 고객들의 구매 패턴을 분석하여 비슷한 특징을 가진 고객들끼리 그룹화
  - 이상 탐지: 평소와 다른 패턴을 가진 데이터 찾아냄(ex. 금융 사기 탐지, 신용카드 부정 사용)
  - 추천 시스템: 사용자의 취향을 분석하여 선호할 만한 상품 추천