머신러닝은 학습 형태에 따라 지도학습(Supervised learning), 비지도 학습

1. 지도학습(Supervised Learning)

지도학습(Supervised Learning)은 머신러닝에서 목표 변수와 입력 변수 간의 관계를 학습하는 방법이다. 주어진 데이터 세트는 입력 특성(피처)와 정답 레이블(타겟)로 구성되어 있으며, 모델은 이 데이터를 바탕으로 입력과 정답 간의 패턴을 학습한다. 지도학습은 분류(classification)와 회귀(regression)로 나뉘며, 분류는 입력 데이터를 사전에 정의된 범주로 구분하는 데 사용되고, 회귀는 연속적인 값을 예측하는 데 활용된다. 예를 들어, 이메일의 스팸 여부를 분류하는 문제는 대표적인 분류 문제이며, 신용카드 거래 데이터에서 사기 가능성을 예측하는 것도 지도학습의 예이다. 통계에 따르면, 지도학습은 의료 진단 분야에서도 매우 중요한 역할을 하는데, 특정 질병 유무를 예측하는 모델은 환자의 병력, 검사 결과 등 다양한 피처를 학습하여 병의 유무를 높은 정확도로 판별한다. 구글의 이미지 검색은 CNN(합성곱 신경망)을 이용해 입력 이미지의 특징을 학습하고, 특정 물체를 인식하는 데 지도학습을 사용한다. 연구에 따르면, 지도학습은 자연어 처리 분야에서도 주로 활용되며, 감정 분석이나 기계 번역의 품질 향상…