Page 10 -

1장에서 언급한 머신 러닝 핵심 알고리즘들을 하나씩 살펴보겠습니다. 이 장에서는 간단히 핵심
원리만 이해하고 넘어갈 것입니다. 1

3.1 지도 학습 DEEP LEARNING

지도 학습은 정답(레이블(label))을 컴퓨터에 미리 알려 주고 데이터를 학습시키는 방법입니다. 지
도 학습에는 분류와 회귀가 있습니다. 분류(classification)는 주어진 데이터를 정해진 범주에 따라
분류하고, 회귀(regression)는 데이터들의 특성(feature)을 기준으로 연속된 값을 그래프로 표현하여
패턴이나 트렌드를 예측할 때 사용합니다.

분류와 회귀 차이는 다음 표와 같습니다.

표 3-1 분류와 회귀 차이
구분 분류 회귀

데이터 유형 이산형 데이터 연속형 데이터
결과 훈련 데이터의 레이블 중 하나를 예측 연속된 값을 예측
예시 학습 데이터를 A·B·C 그룹 중 하나로 매핑 결괏값이 어떤 값이든 나올 수 있음
예 스팸 메일 필터링 예 주가 분석 예측

다음 그림을 보면 분류와 회귀 차이를 좀 더 명확히 알 수 있습니다.

그림 3-1 분류와 회귀
࠙ܨ ഥӈ

1 이 책은 딥러닝을 중점적으로 다루므로 독자 여러분이 딥러닝 학습 전에 머신 러닝을 경험한 적 있다고 가정합니다. 딥러닝 학습을 위한 핵심
원리만 이해하는 데는 이 책 내용만으로도 충분합니다. 머신 러닝을 좀 더 자세히 알고 싶다면 다른 머신 러닝 도서를 참고하세요.
066