|
|
|
|
인공지능시대(50): 인공지능의 지도학습
|
|
2021년 12월 21일(화) 16:54 [주간문경] 
|
|
|
| 
| | | ↑↑ 지홍기
영남대학교 명예교수
문경대학교 특임교수
문경시지역발전협의회 의장 | ⓒ (주)문경사랑 | |
지도학습이란?
인공지능의 기계학습 알고리즘은 일반적으로 지도학습(Supervised Learning)과 비지도 학습(Unsupervised Learning)의 두 가지 유형이 있다. 그 중에서 지도학습은 더 일반적으로 쓰이며, 보통 비지도 학습보다 구현이 쉽다.
지도학습 알고리즘은 사례를 통해서 학습하도록 설계된다. 인간인 관여자(관계자)가 문제에 대한 답을 알고 있고, 인공지능(AI)이 그것을 알아낼 수 있도록 훈련시키고자 할 때 사용한다. 마치 교사의 도움을 받아 알고리즘을 ‘정답’으로 안내하면서 학습시키는 것과 같다. 따라서 아이가 스스로 실험하고 시행착오를 거치면서 배우는 비지도 학습 알고리즘과 다른 점이다.
지도학습 과정
지도학습 알고리즘을 훈련하려면 입력 세트를 특정 출력과 쌍으로 구성해야 한다. 이때 알고리즘은 입력 세트 내의 패턴을 검색하여 출력과 상관관계를 짓는다. 이 훈련 데이터를 기반으로 지도학습 알고리즘은 보이지 않는 입력을 가져와 지정할 레이블(Label)을 결정할 수 있다. 지도학습 알고리즘의 목표는 새롭게 투입된 입력 데이터에 적합한 레이블을 예측하여 제대로 분류하고 이해하는 것이다.
따라서 지도학습 과정을 요약하면, 비지도 학습보다 더 단순하고 일반적이다. 사람인 관여자가 답을 알고 있는 상태에서 AI를 훈련하고자 할 때 사용한다. 또한 사용하여 데이터를 분류하고 처리하며, 레이블이 지정된 데이터 즉, 분류된 데이터를 사용하게 된다.
| 
| | ⓒ (주)문경사랑 | |
알고리즘의 유형
지도학습 알고리즘에는 크게 두 가지 유형이 있다.
먼저, 분류기법(Classification Techniques)은 입력 데이터를 특정범주의 클래스 또는 그룹의 구성원으로 식별하기 위해 알고리즘에 이산 값을 예측하도록 요청한다. 패턴 인식에 매우 뛰어나 이미지 인식과 같은 용도에 이상적이며, 분류 기법에는 로지스틱 회귀분석, 선형 판별분석, 트리(Trees), 신경망 알고리즘 등이 포함된다.
다음으로, 선형 회귀(Linear Regression)는 연속 데이터를 양적으로 사용하며, 독립변수(x)와 종속변수(y)가 선형적이라는 기반에서 “기지의 x로부터 미지의 y 변수를 예측하는 방식”이다. 즉, 아파트 가격을 예측하는 알고리즘과 같이 많은 변수를 수반하는 경우(위치, 면적, 채광, 대중교통 및 지역 시설과의 근접성, 해당 지역의 사회경제적 인구 통계, 최근 아파트 매매가, 현재의 시장상황 등)와 같이 많은 변수를 고려해야 한다.
지도학습의 성능평가 방법
훈련 데이터로부터 하나의 함수가 유추되고 나면 해당 함수에 대한 평가를 통해 매개변수(Parmeter)를 최적화한다. 이러한 평가를 위해 교차검증이 이용되고 있으며, 검증방법은 훈련 집합(Training Set), 검증 집합(Validation Set), 테스트 집합(Test Set) 등 3가지로 나눈다. 이러한 교차 검증을 통해서 훈련된 각 함수에 대해 정밀도(Precision)와 재현율(Recall)를 측정할 수 있다.
지도학습의 활용사례
지도학습의 활용은 기계 번역, 추천 시스템, 이미지 인식 등이 모두 지도학습에 속한다. 지도학습은 출력의 형태에 따라 회귀분석과 분류기법이 활용되며, 회귀는 연속적인 값(온도, 나이, 가격, 만족도 등)을, 분류는 이산적인 값(성별, 물체의 종류, 질병 진단 등)을 각각 출력 또는 예측한다.
따라서 지도학습을 활용하는 사례는 제품의 특성, 가격에 따른 판매량 예측, 채무자의 직업과 소득에 따른 상환 가능성 예측, 피부 손상의 사진상테에 따른 치료 기간 예측, 이메일의 내용에 따라 스팸 여부 판단 및 건물의 화재위험 진단 등에 응용되고 있다.
|
|
|
|
홈페이지관리자 기자  .
“주간문경을 읽으면 문경이 보인다.”
- Copyrights ⓒ주간문경.
무단 전재 및 재배포 금지 -
|
|
|
|
 주간문경
기사목록 | 기사제공 : 주간문경
|
|
|
|
|
|
|
|
|
|
실시간
많이본
뉴스
|
|
|
|
|
|
종합
커뮤니티
