지도학습(Supervised Learning)의 이해

지도 학습(supervised learning)은 기계가 물체를 인식하거나 미래의 사건에 대해 예측하는 방법을 배울 수 있게 해주는 가장 일반적인 접근 방식입니다. 이번 포스트에서 지도 학습이 무엇인지, 그리고 왜 그것이 인공지능의 중요한 부분인지에 대해 살펴보겠습니다.

지도 학습이란?

기계에 문제와 답을 모두 알려주며 학습시키는 것입니다. 인간이 선생님으로서 입력값과 출력답을 미리 준비하여, 입력값이 들어왔을 때 올바른 출력 답을 알려주며 기계를 직접 훈련하는 것 방식입니다.

 

지도 학습의 목표는 기계가 인간의 제한된 입력으로 행동을 관찰하고 행동을 수행함으로써 새로운 것을 "학습"할 수 있도록 하는 것입니다. 그러면 이 기계는 인간의 안내 없이도 이러한 작업을 수행할 수 있게 됩니다.

 

 

데이터 라벨링(labeling) 및 지도 학습

기계를 지도 학습으로 훈련시키기 위해서는 라벨링된 데이터가 있어야 합니다. 이것은 무엇이 중요하고 무엇이 중요하지 않은지 이미 파악한 정보입니다. 정확성을 보장하기 위해서는 데이터에 라벨링을 올바르게 지정하는 것이 중요합니다.

학습 데이터에 라벨을 지정하는 가장 일반적인 방법은 두개의 라벨로 이루어진 이진 분류 시스템입니다. 예측하려는 각 결과에 대해 성공과 실패 이렇게 두개로 나누는 것입니다.

예를 들어, 누군가가 프로그램을 통과할지 여부를 예측하는 것이 목표였다면 프로그램을 통과한 사람들에게 "성공"이라는 레이블을 붙일 수 있습니다. 반면에, 통과하지 못한 사람들은 "실패자"로 분류될 것입니다.

주로 비교적 빠른 답을 낼 수 있는 예측과 분류 등 단순 작업에 활용됩니다. 예를 들어, 지도 학습을 사용하여 고객의 구매 내역에서 패턴을 식별하여 회사가 과거의 구매를 기반으로 더 나은 품질의 권장 사항을 만들 수 있습니다.

 

 

지도 학습의 실례

이미지 인식은 지도 학습의 가장 잘 알려진 응용 프로그램 중 하나입니다. 컴퓨터가 이미지에서 특정 개체를 식별하도록 요청받으면 먼저 이미지의 모든 개체를 본 다음 이전에 본 것과 일치하는 패턴을 찾습니다. 그런 다음 컴퓨터는 이러한 패턴이 무엇인지 그리고 새로운 이미지에서 인식하는 방법을 "학습"할 것입니다.

예를 들어, 컴퓨터에 고양이를 식별하도록 요청하면 먼저 사진에 있는 모든 고양이를 보고 유사한 것으로 등록합니다. 그리고 나서 그것은 귀나 발과 같은 더 작은 모양을 찾고 이것이 고양이를 다른 동물들과 구별하는 것이라는 것을 배울 것입니다. 

하지만 지도 학습에는 단순히 사물을 식별하는 것 이상의 것이 있습니다! 인공지능의 많은 중요한 작업은 또한 감독 학습 방법에 의존합니다: 누군가가 기사를 좋아할지 다른 사람에게 추천할지 예측하거나 누군가가 구글에서 무언가를 검색할 때 어떤 광고를 보여줄지 결정하는 것을 포함합니다.