핵심 인사이트 (3줄 요약)
- 본질: 지도 학습은 입력(X)과 정답 라벨(y)의 쌍으로 구성된 학습 데이터를 통해 모델이 X→y 매핑 함수를 학습하는 ML 패러다임이며, 분류(Classification)와 회귀(Regression)로 나뉜다.
- 가치: 정답 라벨이 주어지므로 **명확한 평가 기준(정확도·MSE)**이 있어 모델 성능을 객관적으로 측정할 수 있으며, 가장 성숙하고 실무에서 널리 사용되는 ML 방식이다.
- 판단 포인트: 지도 학습의 핵심 과제는 **라벨링 비용(인건비·시간)**이며, 이를 줄이기 위한 Semi-supervised Learning·Self-supervised Learning·Active Learning이 대안으로 발전했다.
Ⅰ. 개요 및 필요성
┌───────────────────────────────────────────────────────┐
│ 지도 학습 분류 vs 회귀 │
├───────────────────────────────────────────────────────┤
│ [분류 (Classification)] │
│ 입력: 이메일 텍스트 → 출력: 스팸/정상 (이산값) │
│ 모델: 로지스틱 회귀, SVM, Random Forest, DNN │
│ │
│ [회귀 (Regression)] │
│ 입력: 면적·위치 → 출력: 집값 3.2억 (연속값) │
│ 모델: 선형 회귀, Ridge, Random Forest, DNN │
└───────────────────────────────────────────────────────┘
- 📢 섹션 요약 비유: 분류는 "이 동물이 고양이인가 개인가?" (카테고리)이고, 회귀는 "이 집의 가격은 얼마인가?" (숫자)이다.
Ⅱ. 아키텍처 및 핵심 원리
학습 패러다임 비교
| 패러다임 | 라벨 | 목표 | 대표 |
|---|
| 지도 | 있음 | 예측 | 분류·회귀 |
| 비지도 | 없음 | 구조 발견 | 클러스터링·PCA |
| 강화 | 보상 | 행동 최적화 | 게임·로봇 |
| 자기 지도 | 자동 생성 | 표현 학습 | BERT·GPT |
- 📢 섹션 요약 비유: 지도 학습은 선생님(라벨)이 정답을 알려주는 수업, 비지도는 혼자 규칙을 찾는 탐구, 강화는 게임에서 점수를 올리며 배우는 것이다.
Ⅲ. 비교 및 연결
| 비교 | 분류 | 회귀 |
|---|
| 출력 | 이산 (카테고리) | 연속 (숫자) |
| 손실 | Cross-Entropy | MSE |
| 평가 | Accuracy, F1 | R², RMSE |
Ⅳ. 실무 적용 및 기술사 판단
라벨링 비용 절감 전략
- Active Learning: 불확실한 샘플만 라벨링 요청.
- Semi-supervised: 소량 라벨 + 대량 비라벨 활용.
- Self-supervised: 데이터 자체에서 라벨 자동 생성 (BERT 마스킹).
Ⅴ. 기대효과 및 결론
지도 학습은 ML의 가장 기본이자 실무 적용이 가장 광범위한 패러다임이며, Self-supervised Learning(BERT·GPT)이 라벨링 비용 문제를 혁신적으로 해결하면서 새로운 지평을 열고 있다.
📌 관련 개념 맵
| 개념 | 연결 포인트 |
|---|
| 분류 | 이산값 예측 (스팸 탐지·이미지 분류) |
| 회귀 | 연속값 예측 (가격·매출 예측) |
| 라벨링 비용 | 지도 학습의 핵심 과제 |
| Self-supervised | 라벨 없이 학습 (BERT·GPT) |
| 편향-분산 트레이드오프 | 지도 학습 모델 선택의 기준 |
📈 관련 키워드 및 발전 흐름도
[선형 회귀 / 로지스틱 회귀 (통계학)]
│
▼
[SVM / Decision Tree (1990s)]
│
▼
[Random Forest / XGBoost (2000~2010s)]
│
▼
[DNN / CNN / RNN (Deep Learning, 2012~)]
│
▼
[현재: Self-supervised → Fine-tuning (BERT·GPT)]
👶 어린이를 위한 3줄 비유 설명
- 지도 학습은 **선생님(라벨)**이 "이건 고양이, 이건 개"라고 알려주는 수업이에요.
- 많이 배우면 처음 보는 동물 사진도 **"이건 고양이야!"**라고 맞출 수 있어요.
- 문제는 선생님이 일일이 정답을 알려줘야 해서 시간과 비용이 많이 든다는 거예요!