지도 학습

지도 학습(Supervised learning)은 입력 특성과 그에 해당하는 정답 출력(레이블)이 모두 포함된 데이터셋으로 모델을 훈련시키는 것을 포함합니다.  목표는 학습된 함수를 바탕으로 새로운, 보지 못한 입력에 대한 출력을 예측하는 것입니다. 
지도 학습에는 크게 두 가지 유형이 있습니다:

• 분류(Classification): 목표는 미리 정의된 가능성 목록 중 하나인 클래스 레이블을 예측하는 것입니다. 예를 들어, 이메일을 "스팸" 또는 "스팸 아님"으로 분류하는 것을 상상해 보세요. 또는 휴대폰이 잠금 해제를 위해 얼굴을 인식할 때, 분류를 사용하여 "네, 당신이 맞군요!"라고 말하는 것과 같습니다.
• 회귀(Regression): 목표는 수치(양)를 예측하는 것입니다. 예를 들어, 크기와 위치 같은 다양한 특성을 바탕으로 집값을 예측하거나, 제조사, 모델, 연식을 바탕으로 자동차의 가치가 얼마인지 알아내는 것입니다. 이것은 "The Price is Right(가격 맞추기 게임)"를 하는 것과 비슷합니다.

이 과정에서 다양한 알고리즘을 살펴보면서, 해당 알고리즘이 지도 학습에 가까운지 아니면 비지도 학습에 가까운지에 대해 이야기할 것입니다.