1 / 10강

무엇을 예측하고 무엇을 묶을까요

인공지능은 환경을 살피고 판단하거나 목표를 달성하는 시스템을 연구하는 넓은 분야입니다. 탐색, 추론, 계획, 학습 등이 여기에 포함됩니다. 기계학습은 데이터로부터 판단 규칙을 배우는 접근입니다.

비슷해 보여도 목표가 다릅니다

• 분류: 이미 정해진 범주를 예측합니다. 과일의 특징을 보고 사과인지 배인지 고르는 식입니다.
• 회귀: 수량처럼 연속적인 숫자를 예측합니다.
• 군집화: 주어진 이름표 없이 비슷한 데이터끼리 묶습니다. 묶음의 의미는 나중에 해석해야 합니다.

분류에서 정답 이름표를 레이블이라고 합니다. 레이블을 이용하는 학습을 지도학습, 군집화처럼 주어진 정답 없이 구조를 찾는 학습을 비지도학습이라고 합니다.

군집화가 항상 먼저일까요?

아닙니다. 사람이 이미 과일 종류를 기록했다면 그 레이블로 바로 분류기를 학습할 수 있습니다. 반대로 군집화 결과가 우리가 원하는 과일 종류와 일치한다는 보장도 없습니다. 크기로 묶으면 큰 사과와 작은 배가 같은 그룹에 들 수 있습니다.

목표를 ‘데이터를 잘 나누기’라고만 적으면 평가하기 어렵습니다. 무엇을 예측할지, 틀렸을 때 어떤 비용이 드는지, 결과를 어디에 쓸지를 먼저 적어야 합니다.

확인 문제

이미 장르가 붙은 음악으로 새 곡의 장르를 예측하는 일과, 청취 습관이 비슷한 사용자를 묶는 일은 각각 무엇인가요?