파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

2

장

지도 학습

53

앞서 언급했듯이 지도 학습은 가장 널리 그리고 성공적으로 사용되는 머신러닝 방법 중 하나입

니다. 이번 장에서는 지도 학습에 관해 더 자세히 살펴보고 인기 있는 지도 학습 알고리즘 몇

가지를 설명하겠습니다. 이미

1

장에서 붓꽃의 실제 측정값을 이용해 품종을 구분하는 지도 학

습 애플리케이션 하나를 보았습니다.

지도 학습은 입력과 출력 샘플 데이터가 있고, 주어진 입력으로부터 출력을 예측하고자 할 때

사용한다는 것을 기억하기 바랍니다. 이런 입력/출력 샘플 데이터, 즉 훈련 세트로부터 머신러

닝 모델을 만듭니다. 우리의 목표는 이전에 본 적 없는 새로운 데이터에 대해 정확한 출력을 예

측하는 것입니다. 지도 학습은 종종 훈련 데이터를 만드는 데 사람의 노력이 필요하지만 자동

화하면 힘들고 어려운 작업의 속도를 높일 수 있습니다.

2.1

분류와 회귀

지도 학습에는

분류

classification

와

회귀

regression

가 있습니다.

분류는 미리 정의된, 가능성 있는 여러

클래스 레이블

class

label

중 하나를 예측하는 것입니다.

1

장

에서 붓꽃을 세 품종 중 하나로 분류하는 예를 보았습니다. 분류는 딱 두 개의 클래스로 분류하

는

이진 분류

binary

classification

와 셋 이상의 클래스로 분류하는

다중 분류

multiclass

classification ...