Day 2 - 학습 유형: 지도·비지도·강화학습

📌 핵심 정리

• 머신러닝의 학습 유형은 지도학습·비지도학습·강화학습 세 가지다.
• 지도학습: 정답(레이블)이 있다 → 분류(범주 예측) / 회귀(숫자 예측).
• 비지도학습: 정답이 없다 → 군집(비슷한 것끼리 묶기) / 차원 축소(변수 줄이기).
• 강화학습: 정답 대신 보상을 받아 시행착오로 최선의 행동을 배운다.
• 헷갈림 주의 — 분류 vs 회귀는 출력이 범주냐 숫자냐, 분류 vs 군집은 정답 레이블의 유무.

학습 유형 한눈에 보기

머신러닝은 "어떻게 학습하는가"로 나뉜다. 갈림길은 정답(레이블)이 있는가, 학습 신호를 어떻게 받는가 두 가지다.

1. 지도학습 (Supervised Learning)

• 입력과 정답(레이블)이 함께 주어진 데이터로 학습한다. "선생님이 정답을 알려주며 가르치는" 방식.
• 예: 강아지/고양이 사진에 각각 정답을 붙여 학습시키면, 모델이 새 사진을 보고 어느 쪽인지 예측한다.
• 지도학습은 분류와 회귀 두 가지로 나뉜다.

분류 (Classification)

정답이 정해진 카테고리(종류) 중 하나일 때 사용한다. 출력이 범주다.

• 이메일이 스팸인가 아닌가 (2개 범주)
• 사진 속 동물이 개·고양이·새 중 무엇인가 (여러 범주)
• 신용카드 거래가 정상인가 사기인가

회귀 (Regression)

정답이 연속적인 숫자 값일 때 사용한다. 출력이 수치다.

• 내일의 기온은 몇 도인가
• 이 집의 예상 가격은 얼마인가
• 다음 달 매출은 얼마일까

💡 관련 이론: 분류와 회귀를 구분하는 가장 쉬운 기준은 "출력이 범주(category)인가, 숫자(number)인가"입니다. "스팸/정상"은 분류, "가격 예측"은 회귀입니다.

2. 비지도학습 (Unsupervised Learning)

• 정답(레이블)이 없는 데이터에서 스스로 숨은 구조나 패턴을 찾는다. "정답지 없이 데이터를 정리하라"는 방식.

군집 (Clustering)

• 비슷한 데이터끼리 자동으로 묶는 작업. 미리 정해진 정답 그룹이 없다는 점이 분류와 다르다.
• 고객을 구매 성향에 따라 비슷한 그룹으로 자동 분류
• 뉴스 기사를 주제별로 자동 묶기
• 예: "고객을 3개 그룹으로 나눠라"라고 하면 누가 어느 그룹인지 정답을 미리 받지 않고도 비슷한 사람끼리 묶어 준다.

차원 축소 (Dimensionality Reduction)

• 데이터의 특징(변수)이 너무 많을 때, 중요한 정보를 최대한 유지하면서 변수의 수를 줄이는 작업.
• 데이터를 단순화하고 시각화하기 쉽게 만든다.

💡 관련 이론: 분류(지도학습)와 군집(비지도학습)은 "둘 다 그룹으로 나눈다"는 점에서 헷갈리기 쉽습니다. 결정적 차이는 정답 레이블의 유무입니다. 분류는 정답이 있는 그룹으로, 군집은 정답 없이 비슷한 것끼리 묶습니다.

3. 강화학습 (Reinforcement Learning)

• **시행착오와 보상(reward)**을 통해 학습한다.
• 정답을 직접 주는 대신, 행동의 결과가 좋으면 보상을, 나쁘면 벌점을 주어 점점 더 나은 행동을 배우게 한다.
• "강아지에게 잘하면 간식을 주며 훈련하는" 방식과 비슷하다.

• 대표 사례: 게임 AI(바둑·체스), 로봇 제어, 자율주행 제어.

💡 관련 이론: 강화학습에는 미리 준비된 정답 데이터가 없습니다. 대신 에이전트가 환경과 상호작용하며 받은 보상을 최대화하도록 행동 전략을 학습합니다. 이 점이 지도/비지도학습과 근본적으로 다릅니다.

세 가지 학습 유형 비교 예시

같은 "고객 데이터"라도 목적에 따라 학습 유형이 달라진다.

📖 용어

• 레이블 : 데이터에 미리 붙여 둔 정답. "이 사진은 고양이"처럼 알려주는 답이다.
• 지도학습 : 문제와 정답을 함께 주고 배우게 하는 방식. 선생님이 답을 알려주며 가르치는 셈.
• 비지도학습 : 정답 없이 데이터만 주고 숨은 구조를 스스로 찾게 하는 방식.
• 강화학습 : 잘하면 보상, 못하면 벌점을 주며 시행착오로 요령을 익히게 하는 방식.
• 분류(Classification) : 답이 "정해진 종류 중 하나"일 때 쓰는 작업. 스팸/정상, 개/고양이/새.
• 회귀(Regression) : 답이 "얼마인가"처럼 연속된 숫자일 때 쓰는 작업. 가격·기온 예측.
• 군집(Clustering) : 정답 없이 비슷한 데이터끼리 자동으로 묶는 작업.
• 차원 축소 : 변수(특징)가 너무 많을 때 중요한 정보는 남기고 개수를 줄이는 작업.
• 에이전트 : 강화학습에서 실제로 행동하며 배우는 주체. 게임으로 치면 플레이어.
• 보상(Reward) : 강화학습에서 방금 한 행동이 좋았는지 나빴는지 알려주는 점수.

📝 연습 문제

선택지를 클릭하면 정답·해설이 펼쳐집니다.

문제 1

입력 데이터와 함께 정답(레이블)이 주어지고, 모델이 그 정답을 맞히도록 학습하는 방식은?

• A비지도학습
• B지도학습
• C강화학습
• D전이학습

문제 2

집의 면적·방 개수 등을 입력받아 "예상 판매 가격(원 단위 숫자)"을 예측하려 한다. 이에 가장 알맞은 작업은?

• A분류(Classification)
• B군집(Clustering)
• C회귀(Regression)
• D차원 축소(Dimensionality Reduction)

문제 3

정답 레이블이 전혀 없는 고객 데이터에서 비슷한 성향의 고객끼리 자동으로 묶으려 한다. 가장 적합한 작업은?

• A회귀
• B군집
• C분류
• D강화학습

문제 4

강화학습의 학습 방식을 가장 잘 설명한 것은?

• A미리 준비된 정답 데이터를 그대로 외워서 학습한다
• B행동의 결과로 받는 보상을 최대화하도록 시행착오로 학습한다
• C정답 없이 데이터를 비슷한 그룹으로 묶는다
• D입력과 정답의 짝을 보고 숫자 값을 예측한다

문제 5

분류(지도학습)와 군집(비지도학습)의 가장 핵심적인 차이는?

• A분류는 숫자를, 군집은 범주를 예측한다
• B분류는 정답 레이블을 사용하고, 군집은 정답 없이 유사성으로 묶는다
• C분류는 보상을 사용하고, 군집은 정답을 사용한다
• D둘 다 정답 레이블을 사용하므로 차이가 없다