지도 학습이란 무엇인가?

지도 학습이란?

지도 학습이라는 레이블이 지정된 데이터 세트에서 학습 알고리즘을 학습하고 올바른 출력을 사용하여 데이터를 분류하거나 결과를 예측하는 방법을 학습하는 머신 러닝(ML)에 대한 접근 방식입니다.

지도 학습은 변수 간의 관계를 이해하여 데이터를 특정 범주(분류)로 분류하고(Classification) 예측하는 데 유용합니다.

제품 추천, 고객 데이터를 기반으로 고객 세그먼트화, 이전 증상을 기반으로 질병 진단 및 기타 여러 작업을 수행하는 데 사용됩니다.

지도 학습을 설명하는 테크허브

인공지능은 지도 학습을 통해 입력된 관련 데이터를 기반으로 사물, 문제 또는 상황을 분류할 수 있습니다. 정확한 분류가 이루어질 수 있을 때까지 사물, 사람 또는 상황의 특성, 패턴, 치수, 색상, 높이 등의 데이터가 반복적으로 입력됩니다.

지도 학습 시에는 학습 데이터라는 데이터가 데이터 마이닝 용어로 주어지는데, 인공지능은 이를 기반으로 분류 작업을 수행합니다. 예를 들어 과일을 분류해야 하는 시스템에는 색상, 모양, 치수, 크기 등의 학습 데이터를 줍니다. 이 데이터를 기반으로 과일을 분류할 수 있습니다.

일반적으로 시스템은 정확한 분류를 수행하기 위해 이러한 학습 과정을 여러 번 반복해야 합니다. 신용카드 사기 탐지 및 질병 분류와 같은 실제 분류는 복잡한 작업이기 때문에 인공지능이 합리적인 능력을 갖추기 위해서는 적절한 데이터와 여러 번의 훈련을 반복해야 합니다.

지도학습 사례

지도 학습 모델을 사용하여 다음과 같은 다양한 비즈니스 애플리케이션을 구축하고 발전시킬 수 있습니다:

• 이미지 및 객체 인식: 지도 학습 알고리즘을 사용하여 비디오 또는 이미지에서 객체를 찾고 분리하고 분류할 수 있으므로 다양한 컴퓨터 비전 기술 및 이미지 분석에 적용할 때 유용합니다.
• 예측 분석: 다양한 비즈니스 데이터 포인트에 대한 심층적인 통찰력을 제공하기 위해 예측 분석 시스템을 개발하는 것이 지도 학습 모델의 널리 사용되는 사례입니다. 이를 통해 기업은 주어진 출력 변수를 기반으로 특정 결과를 예측할 수 있으며, 비즈니스 리더가 의사 결정을 정당화하거나 조직의 이익을 위해 방향을 전환하는 데 도움이 됩니다.
• 고객 감정 분석: 조직은 감독 된 머신 러닝 알고리즘을 사용하여 상황, 감정 및 의도를 포함한 대량의 데이터에서 중요한 정보를 거의 사용하지 않고 추출하고 분류할 수 있습니다. 이는 고객과의 상호 작용을 더 잘 이해하고 브랜드 참여 노력을 증가하는 데 사용할 수 있을 만큼 유용합니다.
• 스팸 탐지: 스팸 탐지는 지도 학습 모델의 또 다른 예입니다. 조직은 지도 분류 알고리즘을 사용하여 새로운 데이터의 패턴이나 이상 징후를 인식하도록 데이터베이스를 훈련하여 스팸 및 비스팸 관련 대응을 효과적으로 구성할 수 있습니다.