(머신러닝) Supervised vs Unsupervised Learning 간단 정리

 

머신러닝에서 'Supervised'와 'Unsupervised Learning'에 대해 학습하고 그 차이점을 알아보자

 

Supervised Learning vs Unsupervised Learning

 

 

---

1. Supervised Learning (지도 학습)

- 타겟 Y가 명확하게 존재하는 경우 사용하는 학습방법
 ex) 어떤 사람이 상품을 샀다/안샀다 등
- 현업에서 만날 수 있는 대다수의 문제가 이 'supervised learning'에 해당
 → Regression, Classification, Deep learning

 

[  supervised learning ]

X(독립변수)와 Y(종속변수) 사이의 관계를 찾고, 이를 이용하여 미래의 Y(=target)값을 예측하는 원리

- Y가 categorical일 경우, Classification(분류) 영역
 ex) 공장에서 물건을 생산할 때 그 물건(상품)의 등급 분류 예측 등

- Y가 Numberical일 경우, Regression(회귀) 영역
 → 숫자를 예측하는 모든 문제를 regression 문제라고 한다.
 ex) 매출 금액, 최근 3개월간 평균 매출로 앞으로의 매출 예측

 

반응형

---

2. Unsupervised Learning (비지도 학습)

- 타겟 Y가 없고, 독립변수 X만 있는 경우
 → 현업에서는 데이터들은 엄청 많지만, 그 데이터로 인한 결과가 없는 경우
 → Topic Modeling, Clustering analysis(군집분석)

 

[  unsupervised learning ]

데이터의 내재된 패턴을 찾거나 비슷한 속성을 가진 관측치들 간 그룹화

ex) 영화를 본 사람들의 시청 이력이 남아있고 앞으로 무슨 영화를 볼 건지/안 볼 건지에 대한 데이터가 없는 경우, 새로운 영화가 출시되었는데 시청자가 없다면 타겟 Y가 없는 셈이다. 이때는 현재 사람들을 그룹화(선호별 등)해서 영화의 장르에 맞게 추천한다든지 영화를 Topic으로 나눠서 세밀하게 쪼개서 분석하는 등의 방법이 있다.

 

 

 

학습 참고 : 50개 프로젝트로 완벽하게 끝내는 머신러닝 SIGNAUTRE