지도 학습

입력 데이터(훈련 데이터(Training Data))로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다.

훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과(레이블)가 무엇인지 표시되어 있다.

알고리즘에 주입하는 입력 데이터(훈련 데이터)에 원하는 답(레이블)이 포합된다.

인간이 정해준 정답(레이블)을 인공지능 스스로 알아낼 수 있도록 훈련시키고자 할 때 사용한다.

지도 학습 알고리즘을 훈련하려면 입력 세트를 특정 출력과 쌍으로 구성해야 한다. 그러면 알고리즘은 입력 세트 내의 패턴을 검색하여 출력과 상관 관계를 짓는다.
이 훈련 데이터를 기반으로 지도 학습 알고리즘은 보이지 않는 입력을 가져와 지정할 레이블을 결정할 수 있다.
지도 학습 알고리즘의 목표는 새롭게 투입된 입력 데이터(훈련 데이터)에 적합한 레이블을 예측하여 제대로 분류하고 이해하는 것이다.

주로 예측 변수(특성)을 사용해 타깃수치를 예측하는 회귀 작업을 합니다.

1) 지도 학습, wikipedia, 2022-01-24 방문, https://ko.wikipedia.org/wiki/지도_학습

2) 오렐리앙 제롱 (Aurelien Geron), Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow 핸즈온 머신러닝 2판, 박해선, 오라일리, 한빛미디어(주)(2021년 5판), 36p

3) 지도 학습(Supervised Learning)이란 무엇인가?, appier, 2021-08-25 작성, 2022-01-24 방문, https://www.appier.com/ko/blog/what-is-supervised-learning/