지도 학습과 비지도 학습의 차이

머신러닝(Machine Learning)은 데이터를 통해 컴퓨터가 스스로 패턴을 학습하도록 만드는 기술입니다.
이 머신러닝은 지도 학습(Supervised Learning) 과 비지도 학습(Unsupervised Learning) 으로 크게 나눌 수 있습니다.

두 방법의 가장 큰 차이는 정답(label)이 있는가, 없는가 입니다.

 

---

1. 지도 학습(Supervised Learning)이란?

지도 학습은 정답이 미리 주어진 데이터를 사용해 학습하는 방식입니다.

• 입력 데이터(X)와 정답(label, y)이 함께 제공됨
• 모델은 입력 → 정답의 관계를 학습
• 시험 문제에 정답지가 있는 상태로 공부하는 것과 유사

 

예시

입력 데이터	정답(label)
온도, 습도	자전거 대여 수
이메일 내용	스팸 / 정상
집 크기, 위치	집 가격

 

 

대표적인 지도 학습 문제

• 분류(Classification)
  • 스팸 메일 분류
  • 암/정상 판별
• 회귀(Regression)
  • 매출 예측
  • 수요 예측

대표 알고리즘

• 선형 회귀 (Linear Regression)
• 로지스틱 회귀 (Logistic Regression)
• 결정 트리 (Decision Tree)
• 랜덤 포레스트, XGBoost
• 신경망(Neural Network)

 

---

2. 비지도 학습(Unsupervised Learning)이란?

비지도 학습은 정답이 없는 데이터만 가지고 학습하는 방식입니다.

• label 없이 입력 데이터만 존재
• 데이터 속의 패턴, 구조, 군집을 스스로 찾음
• 정답지 없이 문제를 분류해보는 것과 유사

 

예시

입력 데이터	모델이 찾는 결과
뉴스 기사 본문 텍스트	기사 주제별 묶음
자전거 대여 시간, 온도, 습도, 풍속	수요 패턴 그룹
거래 금액, 거래 시간, 위치	이상 거래(Outlier)
이미지 픽셀 값	비슷한 이미지 묶음

정답(label)이 없기 때문에, “이 고객은 A그룹이다” 같은 답을 미리 주지 않고 데이터가 스스로 기준을 만들어 분류합니다.

 

대표적인 비지도 학습 문제

• 군집화(Clustering)
  • 고객 세그먼트 분석
• 차원 축소(Dimensionality Reduction)
  • 데이터 시각화
  • 노이즈 제거

대표 알고리즘

• K-Means
• Hierarchical Clustering
• DBSCAN
• PCA (주성분 분석)
• AutoEncoder

 

---

3. 지도 학습 vs 비지도 학습 한눈에 비교

 

구분	지도 학습	비지도 학습
정답(label)	있음	없음
학습 목적	예측 정확도	패턴 발견
대표 문제	분류, 회귀	군집화, 차원 축소
평가 방법	정확도, RMSE 등	명확한 기준 없음
난이도	상대적으로 쉬움	해석이 어려움

 

 

지도 학습 vs 비지도 학습 개념도

지도 학습은 정답(label)이 있는 데이터를 학습하고, 비지도 학습은 정답 없이 데이터의 패턴을 스스로 찾는다.

 

 

군집화 예시 (K-Means)

비지도 학습의 대표적인 예인 군집화는 비슷한 데이터끼리 자동으로 그룹을 만든다.

 

---

4. 언제 어떤 방법을 쓰면 좋을까?

지도 학습이 적합한 경우

• 예측해야 할 명확한 정답이 존재
• 과거 데이터에 결과 값이 기록되어 있음

매출 예측, 수요 예측, 스팸 분류

비지도 학습이 적합한 경우

• 데이터는 많지만 정답이 없음
• 데이터의 구조를 먼저 이해하고 싶을 때

EDA, 고객 군집 분석, 이상치 탐지

 

---

정리

• 지도 학습 → 정답이 있는 문제를 잘 맞히는 것이 목표
• 비지도 학습 → 데이터 속 숨겨진 구조를 찾는 것이 목표
• 실무에서는 비지도 학습으로 데이터 이해 → 지도 학습으로 예측을 함께 사용하는 경우가 많다.