2강에서 학습을 이렇게 그렸다: 예측하고, 채점하고, 손잡이를 조금 돌린다. 그 고리를 수만 번 돌면 손잡이가 정답을 잘 맞히는 자리에 선다고 했다.

그런데 방금 그 문장에 이미 전제가 하나 숨어 있었다. 채점하려면 정답이 있어야 하는데, 머신러닝의 모든 문제에 정답이 딸려 있는 건 아니다. 정답이 있느냐 없느냐로 머신러닝은 크게 두 갈래로 갈리고, 이번 강은 정답이 있는 쪽, **지도학습(supervised learning)**이다.

'지도'는 지도(地圖)가 아니다

먼저 이름부터 오해가 잦다. 여기 쓰는 "지도"는 1강의 지도(map)와 한자가 다르다.

정답과 함께 데이터를 준다

지도학습은 2강의 고리에 딱 한 가지를 더한다. 입력마다 정답(라벨)을 함께 붙여서 준다.

1. 정답이 붙은 데이터를 준다이메일 한 통 + "스팸"이라는 라벨
2. 모델이 예측한다지금 손잡이 상태로 답을 내본다
3. 정답과 비교해 채점하고 손잡이를 돌린다2강의 그 고리 그대로

이 라벨은 사람이 붙인다. 이메일을 열어보고 "이건 스팸"이라 표시하고, 사진을 보고 "이건 고양이"라 적어두는 일을 누군가 미리 해둬야 한다. 이 작업을 라벨링(labeling) 이라 부른다. 지도학습이 잘 되려면 좋은 라벨이 많아야 하는데, 그 라벨을 붙이는 일 자체가 만만치 않은 비용이다. 데이터를 어떻게 준비하는지는 22강(데이터 파이프라인)에서 더 본다.

정답의 생김새로 다시 갈린다 — 분류 vs 회귀

지도학습 안에서도 정답이 어떻게 생겼느냐를 기준으로 한 번 더 갈린다.

분류 (classification)

정답이 선택지 중 하나다

• 이 이메일은 스팸이다 / 아니다
• 이 사진은 고양이 / 개 / 새 중 하나다
• 정해진 선택지 중 하나를 고르는 일

회귀 (regression)

정답이 숫자 하나다

• 이 집은 내일 얼마에 팔릴까
• 이 지역은 내일 몇 도일까
• 선택지가 아니라 연속된 숫자를 맞히는 일

문제	정답의 형태	갈래
이메일이 스팸인지 판별	스팸 / 정상 중 하나	분류
손글씨 숫자 인식	0~9 중 하나	분류
집값 예측	숫자 (원)	회귀
내일 기온 예측	숫자 (도)	회귀

1강의 스팸 필터, 2강의 손글씨 7 인식은 정답이 정해진 선택지 중 하나였기 때문에 전부 분류였다. 반대로 숫자 하나를 맞혀야 하면 회귀다. 채용공고에 "분류 모델", "회귀 모델"이라는 말이 따로 나오는 건, 애초에 풀려는 문제의 정답 생김새가 다르기 때문이다.

정리하면

지도학습은 입력마다 정답(라벨)을 붙여 주고, 그 정답을 기준으로 손잡이를 돌리는 방식이다. 정답이 선택지면 분류, 숫자면 회귀다.

1. 01

   '지도'는 지도(地圖)가 아니라 감독한다는 뜻이다

   정답을 아는 감독자가 옆에서 알려주며 가르친다는 그림에서 온 이름이다.

2. 02

   지도학습은 2강의 고리에 정답을 더한 것이다

   예측하고, 사람이 붙인 라벨과 비교해 채점하고, 손잡이를 돌린다.

3. 03

   정답이 선택지면 분류, 숫자면 회귀다

   둘 다 지도학습이지만 정답의 생김새로 갈린다.

4. 04

   라벨을 붙이는 일 자체가 비용이다

   사람이 미리 정답을 달아야 하고, 그 데이터 준비 이야기는 22강에서 이어붙인다.

다음 강의에서는 반대쪽인 비지도학습을 본다. 정답 없이 데이터만 던져주면 기계가 무엇을 할 수 있는지를 다룬다.