[ML] 기초: 지도 학습과 비지도 학습

 머신러닝의 학습 방법은 크게 지도 학습(supervised)과 비지도 학습(unsupervised)으로 나눌 수 있다. 

 

지도 학습이란 라벨링이 된 데이터를 학습시키는 것을 의미하며, 비지도 학습은 라벨링이 되지 않은 데이터를 학습시키는 것이다.

 

이때, 라벨링이란 트레이닝 데이터에 정답이 표시된 것을 의미하며, 정답 부분을 가리켜 타깃 데이터라고 한다.

 

또한 타깃의 형태에 따라 지도 학습은 세부적으로 두 가지 종류로 나타낼 수 있다. 

 

타깃이 데이터를 클래스 별로 구분하는 범주형인 경우, 이를 분류(classification) 문제라고 하고, 연속형 숫자인 경우에는 회귀(regression) 문제라고 한다.

 

본격적으로 머신 러닝을 배우기 전에 데이터의 형태에 따른 접근 방식을 알아야 하며, 방식에 따른 트레이닝, 타깃 데이터 분류가 중요하다.

 

지도 학습을 시작으로 본격적인 머신러닝 정리에 들어가려고 한다.