지도학습

지도학습은 역사와 비슷합니다 역사는 과거에 있었던 사건이 원인과 결과로 기록되어 있습니다 역사를 알면 어떤 사건이 일어났을때 그것의 결과로 어떤 일이 일어날지를 예측할수 있게됩니다 마찬가지로 지도학습은 과거의 데이터로 학습해서 결과를 예측하는데 주로 사용합니다.

위에 사진은 과거의 데이터로 이루어 져있습니다 데이터에는 온도라는 원인과 판매량이라는 결과의 관계가 맺어져있습니다. 일기예보를 보니 1월 8일에 온도가 25도라고 할때 그러면 우리가 알고싶은것은 1월 8일에는 몇개가 판매될지 예측하는것입니다 그래야 레몬이 몇개 필요하는지 알수 있으니까요 즉 과거의 대한 학습을 통해 미지의 데이터를 추측하고 싶은것이죠 이때 머신러닝의 지도학습이 이용될수 있습니다 이용하기위해서는 충분히 많은 데이터가 있어야 하고 데이터는 원인인 독립변수와 결과인 종속변수로 이루어져있어야 합니다 이것을 지도학습으로 훈련시키면 컴퓨터는 모델을 만듭니다 (온도X2=판매량)

일단 모델이 만들어지면 모델을 사용하면됩니다 이 모델의 온도를 입력하면 판매량을 예측할수 있습니다 만약 내일의 온도가 25도 라면 25X2=50 개가 판매 될것입니다 즉 머신러닝의 지도학습을 이용하면 온도X2라는 모델을 컴퓨터가 알아서 만들어 주는것입니다. 이렇듯 지도학습은 이것보다 훨신 복잡한 상황에서 진가를 발휘합니다.

지도학습을 하기위해서는 우선 과거의 데이터가 있어야하고 그데이터를 독립변수로 종속변수로 분리해주고 독립변수와 종속변수의 관계를 컴퓨터에 학습시키면 컴퓨터는 그관계를 설명할수있는 공식을 만들어 냅니다. 이 공식을 머신러닝에서는 모델이라고 합니다 좋은 모델이 되려면 데이터가 많은수록 정확할수록 좋습니다.

그렇게 학습을 시키면 아직 결과를 모르는 원인을 모델에 입력했을때 모델이 결과를 순식간에 계산해서 알려줍니다. 과거에는 이런 공식을 만들려면 고도의 실험과 수학이 필요했습니다 그래서 공식이라는 소수의 엘리트의 소유물이였습니다. 대중들은 엘리트들이 만든 공식의 소비자로 만족해야했습니다 하지만 머신러닝이 등장하면서 과거와는 비교할수 없는 적은 지식과 노력으로 나의 공식을 만들어서 사용할수 있게되었습니다.