DL/코세라 딥러닝 2.지도학습(Supervised Learning)

이 글은 코세라 Andrew Ng 교수의 deep learning AI 강의를 듣고 기억하기 좋게 정리한 것입니다. 목표는 제 부모님도 이해하시도록 쓰는 것입니다.


머신러닝에는 지도학습(supervised learning)과 비지도학습(unsupervised learning), 그리고 강화학습(reinforcement learning)이 있다. 지도학습이란 입력값에 대응하는 결과값을 주면서 학습시키는 것이고, 비지도학습은 결과값을 주지 않으면서 학습시키는 것이다.

지도학습의 예시를 들자면, 가령 어떤 사진을 보고 그게 고양이 사진인지 아닌지 판별하는 프로그램을 만들고 싶다고 하자. 그럼 각 사진마다 고양이 사진인지(1) 아닌지(0) 결과값(label)을 주면서 학습시키는 게 지도학습이다. 어린아이를 가르친다고 해보자. 동물 사진들을 보여주면서 이건 고양이야, 이건 얼룩말이야, 이건 강아지야 하는 식으로 가르쳐준다면 지도학습이라고 할 수 있다. 여기서 각 사진에는 고양이, 얼룩말 하는 식으로 라벨이 붙어있을 것이다. 그래서 결과값을 label(발음은 레이블에 가깝다)이라고 한다.

비지도학습은 정답을 따로 알려주지 않으면서 학습시키는 것이다. 정답을 알려주지 않기 때문에 자율학습이라고도 부른다. 가령 사진 여러 뭉치를 주고 비슷한 것끼리 나누게 한다면 비지도학습이 된다. 동물 사진이 수천 장이 있다면 그 주에는 고양이 사진도 있을 것이고 강아지 사진도 있을 것이다. 비지도학습 머신러닝은 각각의 결과값에 대해 무엇이다 하고 이름을 말하지는 못하지만, 비슷한 것끼리 나눌 수 있게 한다. 즉 수많은 데이터들 사이에서 관계를 찾게 하는 게 목적이다.

강화학습은 맞았을 때 보상, 틀렸을 때 처벌을 주는 방식의 학습이다. 알파고가 강화학습을 통해 만들어졌다.

지도학습을 다시 나눠보자면 크게 분류(classification)와 회귀(regression)로 나뉜다. 분류는 주어진 입력값이 어떤 종류의 값인지를 표시하는 것이다. 사진을 보고 강아지냐 고양이냐 구분하게 하는 게 분류다. 회귀는 함수를 통해 입력값에 따른 값을 예측하게 하는 것이다. 어떤 부동산에 대해 여러 정보를 주고 가격을 예측하게 하는 게 회귀다.

인공신경망의 예시에는 CNN(Convolutional Neural Network)와 RNN(Recurrent Neural Network) 등이 있는데 이건 다음에 다루도록 하자.