Supervised Learning (지도 학습)

원문 - www.coursera.org/learn/machine-learning/supplement/NKVJ0/supervised-learning

지도 학습(Supervised Learning)

지도 학습에서는, 우리는 입력값과 출력값의 관계를 이미 안다고 가정 하에, 어떠한 데이터셋들을 받고 올바른 출력값이 무엇인지 안 상태에서 진행합니다.

지도 학습에서의 문제는 크게 회귀(Regression), 분류(Classification)으로 나뉩니다.

회귀 문제에서는 연속되는 출력 내에서 결과를 예측하는 것을 목표로 하는데, 이는 입력 변수를 어떤 연속 함수에 매핑하면서 그에 대한 출력값을 예측하는 것이 회귀 문제입니다.

분류 문제에서는, 우리는 이산적 출력값(0 또는 1)을 통해 결과를 예측하려 합니다. 즉, 우리는 입력값을 이산적 출력값(0 또는 1)로 분류하는 것을 뜻합니다.

예제 1:

실제 부동산 시장에서의 집의 크기의 데이터를 받은 상태에서, 집의 가격을 예측하는 것은 회귀 문제입니다.

여러 개의 집의 가격은 연속적인 출력값이므로, 이것은 회귀 문제라고 할 수 있습니다.

우리는 이 예제를 "우리가 집 값을 더 높게 주거나 더 싸게 줄 때, 파는 지 안 파는 지" 에 대한 문제로 바꿈으로써, 이를 분류 문제로 바꿀 수도 있습니다.

예제 2:

(a) 회귀(Regression) - 사람의 사진을 받은 상태에서, 우리는 그 사람의 나이를 예측해야 합니다.

(b) 분류(Classification) - 종양을 가진 환자의 데이터를 보고, 우리는 그 종양이 악성인지 양성인지 알아야 합니다.