지도 학습

영어	Supervised Learning
분류	기계학습 패러다임
입력	레이블된 데이터
작업	분류, 회귀

'''지도 학습'''(Supervised Learning)은 입력과 정답(레이블)이 짝지어진 데이터로 모델을 학습시키는 [[기계학습]] 방법입니다. == 개요 == 지도 학습은 기계학습의 가장 일반적인 형태입니다. 교사가 학생에게 정답을 알려주며 가르치는 것처럼, 모델에게 입력과 정답 쌍을 제공하여 학습시킵니다. 이후 새로운 입력에 대해 정답을 예측합니다. == 작동 원리 == # 레이블된 학습 데이터 준비 # 모델이 입력-출력 관계 학습 # 손실 함수로 오차 측정 # 역전파로 가중치 조정 # 새 데이터에 예측 적용 == 주요 작업 == === 분류 (Classification) === * 이산적 카테고리 예측 * 예: 스팸/정상, 개/고양이 * 이진/다중 클래스 분류 === 회귀 (Regression) === * 연속적 값 예측 * 예: 주가, 온도, 판매량 * 선형/비선형 회귀 == 대표 알고리즘 == === 분류 === * 로지스틱 회귀 * 결정 트리 * 랜덤 포레스트 * SVM (Support Vector Machine) * [[신경망]] === 회귀 === * 선형 회귀 * 다항 회귀 * 릿지/라쏘 회귀 * 그래디언트 부스팅 == 딥러닝에서의 지도 학습 == === 이미지 분류 === * CNN (합성곱 신경망) * ImageNet 학습 * [[전이학습]] === 자연어 처리 === * 감정 분석 * 개체명 인식 * 텍스트 분류 === 음성 인식 === * 오디오 -> 텍스트 * 화자 인식 * 음성 명령 == 데이터 준비 == === 레이블링 === * [[데이터 라벨링]] 필요 * 비용과 시간 소요 * 품질 관리 중요 === 데이터 분할 === * 학습 세트 (70-80%) * 검증 세트 (10-15%) * 테스트 세트 (10-15%) == 평가 지표 == === 분류 === * 정확도 (Accuracy) * 정밀도 (Precision) * 재현율 (Recall) * F1 점수 === 회귀 === * MSE (평균 제곱 오차) * MAE (평균 절대 오차) * R^2 결정 계수 == 한계 == * 레이블 데이터 필요 * 비용과 시간 소모 * 레이블 오류 영향 * 새로운 클래스 처리 어려움 == 관련 문서 == * [[비지도 학습]] * [[강화학습]] * [[기계학습]] * [[딥러닝]] [[분류:인공지능]] [[분류:기계학습]]