Supervised Learning (지도 학습) | KAITRUST AI 백과사전

📖 상세 설명

Supervised Learning(지도 학습)은 입력 데이터(X)와 정답 레이블(Y)이 쌍으로 주어진 데이터셋을 사용하여 모델을 학습시키는 머신러닝 방법론입니다. 마치 선생님이 학생에게 문제와 정답을 알려주며 가르치는 것처럼, 모델은 입력과 출력 사이의 관계를 학습합니다. 새로운 데이터가 들어오면 학습된 패턴을 기반으로 결과를 예측할 수 있습니다.

지도 학습의 역사는 1950년대 퍼셉트론(Perceptron)까지 거슬러 올라갑니다. 프랭크 로젠블랫이 개발한 퍼셉트론은 최초의 지도 학습 알고리즘 중 하나였습니다. 이후 결정 트리, SVM, 신경망 등 다양한 알고리즘이 발전하면서 지도 학습은 머신러닝의 핵심 분야로 자리잡았습니다.

지도 학습은 크게 분류(Classification)와 회귀(Regression) 두 가지 유형으로 나뉩니다. 분류는 이메일 스팸 여부, 이미지 내 객체 식별처럼 이산적인 카테고리를 예측합니다. 회귀는 주택 가격, 주가 예측처럼 연속적인 수치를 예측합니다. 학습 과정에서 모델은 손실 함수(Loss Function)를 최소화하는 방향으로 파라미터를 조정합니다.

실무에서 지도 학습은 가장 많이 사용되는 ML 패러다임입니다. 의료 진단, 신용 평가, 이미지 인식, 자연어 처리 등 대부분의 AI 응용 분야에서 지도 학습이 기반이 됩니다. 딥러닝도 본질적으로 지도 학습의 확장이며, GPT와 같은 LLM도 사전 학습 후 지도 학습 방식의 파인튜닝을 거칩니다.

💻 코드 예제

scikit-learn을 사용한 분류와 회귀 예제입니다.

# Supervised Learning 기본 예제
from sklearn.datasets import load_iris, load_boston
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier, RandomForestRegressor
from sklearn.metrics import accuracy_score, mean_squared_error, classification_report
import numpy as np

# ===== 1. 분류(Classification) 예제 =====
print("=" * 50)
print("분류(Classification) - Iris 데이터셋")
print("=" * 50)

# 데이터 로드
iris = load_iris()
X_cls, y_cls = iris.data, iris.target

# 학습/테스트 분할 (80% 학습, 20% 테스트)
X_train, X_test, y_train, y_test = train_test_split(
    X_cls, y_cls, test_size=0.2, random_state=42
)

# 모델 학습
classifier = RandomForestClassifier(n_estimators=100, random_state=42)
classifier.fit(X_train, y_train)  # 지도 학습: X와 y를 함께 전달

# 예측 및 평가
y_pred = classifier.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

print(f"정확도(Accuracy): {accuracy:.4f}")
print(f"테스트 샘플 수: {len(y_test)}")
print("\n분류 리포트:")
print(classification_report(y_test, y_pred, target_names=iris.target_names))

# ===== 2. 회귀(Regression) 예제 =====
print("\n" + "=" * 50)
print("회귀(Regression) - 합성 데이터")
print("=" * 50)

# 회귀용 합성 데이터 생성
np.random.seed(42)
X_reg = np.random.rand(200, 4) * 10  # 200개 샘플, 4개 특성
y_reg = 3*X_reg[:, 0] + 2*X_reg[:, 1] - X_reg[:, 2] + np.random.randn(200) * 2

# 학습/테스트 분할
X_train_r, X_test_r, y_train_r, y_test_r = train_test_split(
    X_reg, y_reg, test_size=0.2, random_state=42
)

# 회귀 모델 학습
regressor = RandomForestRegressor(n_estimators=100, random_state=42)
regressor.fit(X_train_r, y_train_r)

# 예측 및 평가
y_pred_r = regressor.predict(X_test_r)
mse = mean_squared_error(y_test_r, y_pred_r)
rmse = np.sqrt(mse)

print(f"평균 제곱 오차(MSE): {mse:.4f}")
print(f"평균 제곱근 오차(RMSE): {rmse:.4f}")
print(f"특성 중요도: {regressor.feature_importances_.round(3)}")

# ===== 3. 새로운 데이터 예측 =====
print("\n" + "=" * 50)
print("새로운 데이터 예측")
print("=" * 50)

# 새로운 붓꽃 데이터로 품종 예측
new_sample = [[5.1, 3.5, 1.4, 0.2]]  # setosa 특성
prediction = classifier.predict(new_sample)
probability = classifier.predict_proba(new_sample)

print(f"입력 특성: {new_sample[0]}")
print(f"예측 품종: {iris.target_names[prediction[0]]}")
print(f"예측 확률: {dict(zip(iris.target_names, probability[0].round(3)))}")

🗣️ 실무에서 이렇게 말하세요

💬 회의에서

"이 문제는 레이블된 데이터가 충분하니까 Supervised Learning으로 접근합시다. 분류 모델 기준 정확도 95% 이상을 목표로 하고, 먼저 RandomForest로 베이스라인 잡은 뒤 XGBoost로 개선해보죠."

💬 면접에서

"Supervised Learning과 Unsupervised Learning의 핵심 차이는 레이블 유무입니다. 지도 학습은 정답이 있는 데이터로 학습해서 예측하고, 비지도 학습은 데이터 자체의 패턴을 찾습니다. 실무에서는 대부분 지도 학습을 쓰지만, 레이블링 비용이 크면 Semi-supervised나 Self-supervised를 고려합니다."

💬 기술 토론에서

"지도 학습에서 과적합 방지가 중요해요. Train/Validation/Test 분할하고, Cross-validation으로 모델 선택하고, Early stopping이나 Regularization 적용해야 합니다. 특히 데이터가 적을 때는 K-fold CV가 필수예요."

⚠️ 흔한 실수 & 주의사항

❌

데이터 누수(Data Leakage)
테스트 데이터 정보가 학습에 포함되면 실제 성능보다 과대평가됩니다. 전처리(스케일링, 인코딩)는 반드시 학습 데이터만으로 fit하고 테스트 데이터에는 transform만 적용하세요.

❌

클래스 불균형 무시
이상 탐지처럼 양성 샘플이 1%인 경우, 단순 정확도는 의미없습니다. Precision, Recall, F1-score를 확인하고, SMOTE나 클래스 가중치 조정을 적용하세요.

✅

올바른 접근법
1) 데이터 분할 후 전처리, 2) 적절한 평가 지표 선택, 3) Cross-validation으로 모델 검증, 4) 하이퍼파라미터 튜닝 시 Validation set 활용, 5) 최종 성능은 Test set으로 한 번만 측정.

🔗 관련 용어

📚 더 배우기

📄 scikit-learn Supervised Learning 공식 문서 🎓 Andrew Ng Machine Learning Course (Coursera) 🎓 PyTorch 딥러닝 튜토리얼