앞선 두 편으로 비지도 학습의 군집화, 연관 규칙 학습에 대해 살펴봤는데요. 이번 편에서는 지금까지 배운 비지도 학습과 지도 학습의 목적을 다시 한번 정리해 보겠습니다. 먼저 지도 학습은 역사적이고, 비지도 학습은 탐험적이라는 큰 특징이 있습니다. 지도 학습의 경우, 과거의 원인과 결과를 바탕으로 결과를 알 수 없는 원인이 발생했을 때, 어떤 결과를 가져올지 추측하는 것이 목적입니다. 따라서 독립변수(원인)에 따른 종속변수(결과)를 학습해야 하기 때문에, 독립변수와 종속변수를 구분 짓는 것이 중요합니다. 반면 비지도 학습은 미지의 세계를 파악하는 탐험가처럼, 데이터들의 성격을 파악하는데요. 정해진 정답은 없어서, 독립변수와 종속변수를 구분 짓는 것이 중요하지 않습니다. 그보다는 데이터들의 연결 상태와 서로 얼마나 가까운지가 더 중요합니다. 비지도 학습은 데이터의 성격을 파악하여 비슷한 것은 모으고, 다른 것은 걸러냅니다. 즉, 비지도 학습은 데이터를 그룹핑하기 위한 방법으로, 데이터를 정리하고 표에 담긴 데이터의 성격을 파악하는 것이 주요 목적입니다. [쉽게 배우는 AI] 시리즈 보러 가기1. 머신러닝이란?2. 머신러닝 모델이란?3. 데이터 산업과 직업4. 표와 데이터 셋5. 독립변수와 종속변수란?6. 상관관계와 인과관계7. 머신러닝의 분류8. 지도학습이란?9. 회귀 vs 분류10. 비지도 학습의 군집화11. 연관 규칙 학습이란?12. 비지도 학습의 목적13. 강화학습이란?14. 머신러닝 수업을 마치며 <원문>비전공자를 위한 AI 클래스 11화. 비지도 학습 (3) ©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.