1. 감독 학습이란?
감독 학습(Supervised Learning)은 컴퓨터에게 문제와 정답을 함께 보여주면서 학습시키는 방법입니다.
예를 들어 주택 데이터가 다음과 같이 있다고 가정해 보겠습니다.
| 50㎡ | 2억 원 |
| 70㎡ | 3억 원 |
| 90㎡ | 4억 원 |
여기서:
- xx: 입력값 또는 특징(Feature) → 주택 크기
- yy: 정답 또는 타깃(Target) → 주택 가격
컴퓨터는 여러 개의 xx와 yy를 보고 다음과 같은 관계를 학습합니다.
“주택 크기가 커질수록 가격도 대체로 올라가는구나.”
이후 실제 가격이 주어지지 않은 80㎡ 주택의 가격을 예측할 수 있습니다.
2. 선형 회귀란?
선형 회귀(Linear Regression)는 데이터의 관계를 가장 잘 나타내는 직선을 찾는 알고리즘입니다.
예를 들어 주택 크기와 가격의 관계를 다음과 같이 표현할 수 있습니다.
y^=wx+b\hat{y}=wx+b
각 기호의 의미는 다음과 같습니다.
- xx: 주택 크기
- y^\hat{y}: 모델이 예측한 주택 가격
- ww: 주택 크기가 가격에 미치는 정도
- bb: 기본 가격
예를 들어 모델이 다음 관계를 학습했다고 가정해 보겠습니다.
y^=0.05x−0.5\hat{y}=0.05x-0.5
80㎡ 주택의 가격을 예측하면 다음과 같습니다.
y^=0.05×80−0.5=3.5\hat{y}=0.05 \times 80-0.5=3.5
따라서 모델의 예측 가격은 약 3.5억 원입니다.
그림으로 이해하기
주택 가격
5억 | ●
4억 | ●
3.5억 | ★ ← 80㎡의 예측 가격
3억 | ●
2억 | ●
+-------------------------------- 주택 크기
50 70 80 90㎡●는 실제 데이터이고, ★는 학습된 직선을 이용해 예측한 값입니다.
3. 회귀와 분류의 차이
감독 학습은 크게 회귀와 분류로 나눌 수 있습니다.
| 회귀(Regression) | 연속적인 숫자 | 집값, 온도, 매출, 키 |
| 분류(Classification) | 정해진 범주 | 고양이/개, 정상/질병, 감정 종류 |
회귀 예시
“이 주택의 가격은 얼마인가?”
결과:
- 3억 원
- 3억 5천만 원
- 4억 2천만 원
숫자가 연속적으로 나올 수 있으므로 회귀 문제입니다.
분류 예시
“이 음성에는 어떤 감정이 포함되어 있는가?”
결과:
- 행복
- 슬픔
- 분노
- 중립
정해진 감정 중 하나를 선택하므로 분류 문제입니다.
유리 님이 진행하는 SER 프로젝트에서 음성을 happy, sad, angry 등의 감정으로 구분하는 것은 감독 학습 기반의 분류 문제입니다.
4. 훈련 세트와 표기법
모델을 학습시키기 위해 사용하는 전체 데이터를 훈련 세트(Training Set)라고 합니다.
각 데이터 한 개는 다음과 같이 표시합니다.
(x(i),y(i))(x^{(i)},y^{(i)})
- ii: 데이터의 순서
- x(i)x^{(i)}: i번째 데이터의 입력값
- y(i)y^{(i)}: i번째 데이터의 정답
예를 들어 다음과 같습니다.
| 1 | 2,104ft² | 400,000달러 |
| 2 | 1,600ft² | 330,000달러 |
| 3 | 2,400ft² | 369,000달러 |
따라서 첫 번째 데이터는 다음과 같습니다.
(x(1),y(1))=(2104,400)(x^{(1)},y^{(1)})=(2104,400)
가격 단위가 천 달러라면 400은 400,000달러를 의미합니다.
주의할 점은 위의 괄호 속 숫자 ii가 제곱을 뜻하는 것이 아니라 데이터의 순서를 뜻한다는 것입니다.
핵심 요약
- 감독 학습은 입력 xx와 정답 yy을 함께 사용해 모델을 학습시키는 방법입니다.
- 선형 회귀는 데이터에 가장 적합한 직선을 찾아 연속적인 숫자를 예측합니다.
- 집값 예측은 회귀, 감정이나 질병 종류 예측은 분류에 해당합니다.
- (x(i),y(i))(x^{(i)},y^{(i)})는 i번째 데이터의 입력값과 정답을 의미합니다.
- 학습된 모델은 새로운 입력을 받으면 예측값 y^\hat{y}을 출력합니다.
