머신러닝의 주요 유형에는 어떤 것들이 있나요?

Question

Accepted Answer

머신러닝에는 세 가지 주요 유형이 있습니다 — **지도학습**(레이블이 있는 예시로부터 학습), **비지도학습**(레이블 없는 데이터에서 패턴을 발견), **강화학습**(시행과 보상을 통한 학습). 이를 이해하면 ML이 서로 다른 문제에 어떻게 접근하는지가 명확해집니다.

## 세 가지 주요 유형

```text
지도학습(SUPERVISED) → 레이블이 있는 데이터로부터 학습(입력 → 알려진 정답 출력):
  → 정답이 있는 예시로 훈련 → 새 입력에 대한 출력을 예측하는 법을 학습
  → 용도: 분류(범주화), 회귀(수치 예측)
  → 예: 스팸 탐지(스팸/비스팸 레이블), 가격 예측
비지도학습(UNSUPERVISED) → 레이블 없는 데이터에서 패턴 발견(정답 미제공):
  → 스스로 구조/그룹을 발견
  → 용도: 클러스터링(유사 항목 그룹화), 차원 축소, 이상 탐지
  → 예: 고객 세분화, 패턴 발견
강화학습(REINFORCEMENT) → 보상을 통한 시행착오로 학습:
  → 에이전트가 행동을 취하고 보상/벌점을 받아 시간이 지나며 보상을 최대화하는 법을 학습
  → 용도: 게임 플레이, 로보틱스, 제어, 의사결정
```

## 유형 선택

```text
→ 레이블 있는 데이터가 있고 출력을 예측하고 싶다 → 지도학습(실무에서 가장 흔함)
→ 레이블 없는 데이터가 있고 구조를 찾고 싶다 → 비지도학습
→ 상호작용/보상으로부터 학습하는 에이전트 → 강화학습
→ (또한: 준지도, 자기지도 — 하이브리드; LLM은 자기지도 학습을 사용)
```

## 왜 중요한가

머신러닝의 주요 유형을 이해하는 것은 기초적입니다. 이들은 **ML이 문제에 접근하는 근본적인 방식**을 나타내므로, 이를 이해하는 것은 기본 ML 소양입니다.

세 가지 주요 유형은 각각 서로 다른 문제와 데이터에 적합합니다.

**지도학습**(입력에 알려진 정답 출력이 있는 레이블 데이터로부터 학습해 새 입력의 출력을 예측, 분류와 회귀에 사용 — 실무에서 가장 흔한 유형, 예: 스팸 탐지와 가격 예측)을 이해하는 것이 가장 중요합니다. 대부분의 실용적 ML 응용의 기반이 되기 때문입니다.

**비지도학습**(정답 없이 레이블 없는 데이터에서 패턴을 발견, 구조와 그룹을 찾아내며 클러스터링·차원 축소·이상 탐지에 사용, 예: 고객 세분화)을 이해하면 ML이 레이블 없이 어떻게 패턴을 찾는지 명확해집니다.

**강화학습**(보상을 통한 시행착오로 학습, 에이전트가 행동을 취하며 보상을 최대화하는 법을 학습, 게임 플레이·로보틱스·제어에 사용)을 이해하면 상호작용 기반 학습 접근이 명확해집니다.

**선택 방법**을 이해하는 것 — 레이블 있는 데이터로 예측하려면 지도학습, 레이블 없는 데이터에서 구조를 찾으려면 비지도학습, 상호작용으로부터 학습하는 에이전트에는 강화학습 — 그리고 하이브리드(준지도, 자기지도, LLM이 자기지도 학습 사용)가 있다는 점은 ML 접근에 대한 실무적 이해를 반영합니다.

이 유형들은 ML이 학습하는 근본적인 범주이며, 이를 이해하는 것은 ML을 논하고 적용하는 데 필수입니다.

머신러닝의 주요 유형(지도, 비지도, 강화)은 ML이 문제에 접근하는 근본적인 방식을 나타내고 각각이 언제 적용되는지를 이해하는 것이 기본 ML 소양이므로, 머신러닝의 주요 유형을 이해하는 것은 필수적이고 기초적인 지식입니다. 이는 ML의 근본 범주(레이블로부터 학습, 패턴 발견, 보상으로부터 학습)이자 ML이 서로 다른 문제에 어떻게 접근하는지 이해하는 기본 소양이며, 머신러닝을 다루거나 논하는 데 기초가 됩니다.