들어가며
머신러닝 문제를 처음 마주했을 때 우리는 어떤 모델을 쓸 지 고민하기에 앞서서
이 문제가 어떤 학습 방식에 속하는 지를 먼저 분류해야한다
머신러닝 시스템은 종류가 굉장히 많아 넓은 범주에서 분류된다
훈련 시 정보가 어떻게 주어지는 지, 데이터가 어떤 방식으로 유입되는지,
모델이 패턴을 어떻게 표현하는 지 등 여러 기준에 따라 분류된다
오늘은 그 중에서 훈련 시 정보가 어떻게 주어지는 지에 따라 분류한
지도학습, 비지도학습에 대하여 알아보려고 한다
지도 학습
지도 학습이란?
지도학습은 알고리즘에 주입하는 훈련 데이터에 레이블을 포함시켜 학습시키는 방식이다
여기서 말하는 레이블이란 입력 데이터에 붙여준 정답 값이라고 생각하면 된다
예를 들면 스팸 메일이 스팸 메일인지 아닌지 정답을 붙여줄 수 있고
땅의 면적이 주어졌을 때 집값이 얼마인 지 숫자 형태로도 레이블이 주어질 수 있는 것이다
언제 지도학습을 사용할까?
그렇다면 언제 지도학습을 사용해야 할지 생각해볼 수 있을 것이다
지도학습은 레이블이 존재하며 이를 바탕으로 과거 데이터를 통해 미래를 예측할 때 사용한다
과거 데이터를 통해 미래를 예측한다는 것은 머신러닝 시스템들의 공통 목적이다
하지만 지도학습의 핵심은 레이블 즉 정답 데이터가 존재한다는 것이다
분류와 회귀
지도학습은 세부적으로 분류와 회귀로 나뉠 수 있다
분류는 말 그대로 범주에 따라 데이터들을 구분하는 전형적인 지도 학습 작업이다
예를 들어 스팸 메일인지 아닌지 고양이인지 강아지인지 구분하는 것들이 있다
회귀는 데이터를 통해 수치를 예측하는 작업을 의미한다
중고차 가격 예측, 온도 예측, 주식 가격 예측 등의 예시가 있다
중고차 가격 예측을 예를 들어 설명을 이어나가자면
특성(주행거리 ,연식, 브랜드 등) 즉 입력값을 통해 가격을 예측하는 것이다
회귀에서는 레이블이라는 단어보다는 타킷이라는 표현을 쓰는데
회귀에서 예측하는 값은 연속적인 수치이기 때문에 언어적인 관점에서
레이블보다는 타깃이라는 표현이 더 쓰이게 된 것이다
이 둘은 동의어로 쓰이고 관점이 차이라고 보면된다
위 사진을 보면 알 수 있듯이 Classification 즉 분류는 데이터가 범주적으로 구분되며
Regression 즉 회귀는 연속적인 값으로 예측되는 걸 볼 수 있다
비지도 학습
비지도 학습이란?
비지도 학습은 지도 학습과는 반대로 훈련 데이터에 레이블 없이 학습하는 것을 말한다
즉 시스템이 아무런 도움 없이 학습해야한다
레이블이 없는 데이터를 패턴이나 구조에 맞게 그룹화하거나
데이터를 새로운 방식으로 표현하는 작업을 말한다
언제 비지도학습을 사용할까?
비지도학습은 레이블이 없는 데이터에서 데이터 내의 숨겨진 구조나 패턴을 발견할 때 사용한다
구체적으로는 레이블을 붙이는 데에 시간과 노력이 많이 들거나 정상적인 데이터 패턴에서 이상치를 찾을 때
데이터가 너무 크고 복잡해서 직관적인 이해가 어려울 때 등의 상황에서 사용한다
비지도학습의 종류
비지도 학습은 계층 군집, 시각화, 차원축소, 이상치 탐지, 특이치 탐지 등으로 구분된다
우선 계층 군집 알고리즘은 유사한(가까운) 데이터들을 모아 군집을 형성하는 알고리즘이다
블로그 방문자들을 특성에 따라 나누어 통계적으로 분석할 때 사용된다
시각화 알고리즘은 데이터들을 직관적으로 도식화가 가능한 2D나 3D형태로 만들어주는 알고리즘이다
2,3차원으로 표현해도 입력 데이터들의 구조를 살려서 표현하는 것이 특징이다
시각화해서 보면 데이터가 어떻게 조직되어있는지 더 잘 이해할 수 있고
예상하지 못했던 패턴도 발견할 수 있다
차원 축소 알고리즘은 쉽게말해 데이터를 간소화하려는 목적을 가진 알고리즘이다
비슷하거나 강하게 연관된 특성을 하나의 특성으로 합쳐 효율적인 분석이 가능하게 한다
예를 들어 차의 주행거리는 연식과 연관되어 있어 두 특성을 차의 마모 정도를 나타내는 특성으로 합칠 수 있다
이상치 탐지와 특이치 탐지는 매우 비슷한 작업으로
데이터에서 비정상적인 패턴이나 일탈된 데이터를 찾는 작업이다
이상치 탐지는 튀는 값이 문제가 되지 않지만
특이치 탐지는 문제가 될 가능성이 있는 값을 탐지한다는 점에서 차이가 있다
무슨 말이냐면, 단순 시험 점수가 남들에 비해 높은 경우 아무 문제가 없으므로 이상치 탐지라고 볼 수 있고
평소와 다른 신용카드 거래 금액이 있을 경우 사기를 의심해 볼 수 있으므로 특이치 탐지라고 보면된다
모든 특이치는 이상치이지만 모든 이상치는 특이치가 아니라는 점을 이해하면 될 것 같다
마치며
이번 글에서는 머신러닝 시스템을 훈련 시 정보가 어떻게 주어지는 지에 따라 분류한
지도학습과 비지도학습에 대하여 알아보았다
지도학습과 비지도학습의 핵심적인 차이는 레이블에 있다고 생각했고
이를 통해 레이블의 유무에 따라 어떤 학습 방식을 선택해야 할 지를 알게되었다
개인적으로 비지도학습의 이상치 탐지와 특이치 탐지의 차이에 대해 이해하기가 조금 어려웠다
명확하게 이거다 이거다 하는 개념이 아니라 비슷한 작업이라서 그런 것 같다
다음 번에 비지도학습에 대해 심화적으로 탐구할 때 어려움을 해소해 볼 것이다