지도학습과 비지도학습

지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning)은 기계 학습의 두 가지 주요 패러다임이다. 

지도학습(Supervised Learning):

 스팸 메일과 유효한 메일을 구별하는 스팸 필터링은 지도학습의 전형적인 예이다. 여기서, 스팸 메일과 유효한 메일은 라벨(label)로 지정된다. 모델은 이메일의 특징(feature)을 입력으로 받고, 해당 이메일이 스팸인지 아닌지를 예측하는 데 사용된다.

 

의료 영상에서 특징을 추출하고, 해당 종양이 악성인지(라벨: 악성 종양) 아닌지(라벨: 양성 종양)를 지정하는 데 지도학습 알고리즘을 사용한다.

 

 

 

비지도학습(Unsupervised Learning):

 

 

 고객 세분화
 고객의 구매 이력 데이터를 사용하여 고객을 여러 그룹으로 세분화하는 고객 세분화는 비지도학습의 예이다. 데이터에는 라벨이 포함되어 있지 않으며, 모델은 데이터 간의 패턴이나 구조를 찾아내어 클러스터(cluster)로 그룹화한다.

 

 

소셜 미디어 분석
 소셜 미디어에서 사용자 간의 관계를 탐색하고 그룹을 형성하는 소셜 미디어 분석은 비지도학습의 적용 사례이다.
사용자의 행동 패턴이나 관심사를 기반으로 그룹을 형성하여, 해당 그룹을 이용한 타겟 마케팅이나 커뮤니티 관리 등에 활용될 수 있다.

 

 

- 지도학습은 입력과 출력 데이터의 관계를 학습하는 반면, 비지도학습은 입력 데이터의 구조나 패턴을 학습한다. 지도학습은 주로 분류(classification)나 회귀(regression)와 같은 예측 문제에 사용되며, 비지도학습은 데이터의 클러스터링(clustering)이나 차원 축소(dimensionality reduction)와 같은 구조 파악 문제에 사용된다.