— views
AI 입문 8화. 정답을 보여주며 가르치기 — 지도학습
빵 이름 맞히기와 내일 판매량 맞히기는 모두 정답 예시를 보여줄 수 있습니다. 하지만 하나는 종류를 고르고 다른 하나는 수량을 예측합니다.

입력과 정답의 짝으로 배웁니다
지도학습은 입력 사례와 목표를 함께 이용해 모델을 조정합니다. 사진과 빵 이름, 날짜별 특징과 판매량이 그런 짝입니다. 모델의 출력과 목표의 차이를 기준으로 학습합니다.
이름표를 붙이는 작업이 늘 쉬운 것은 아닙니다. 사진이 흐리거나 여러 빵이 겹치면 사람끼리도 정답에 의견이 갈릴 수 있습니다. 일관된 기준이 없으면 모델도 흔들리는 목표를 배우게 됩니다.
종류를 고르면 분류, 숫자를 예측하면 회귀
빵 종류를 고르는 건 분류, 판매 개수를 추정하는 건 회귀입니다. 품목 코드 1·2·3처럼 숫자로 썼어도 범주 이름이라면 분류입니다.
모델 선택과 오차 측정도 목표에 맞춰야 합니다. 판매량을 1개 틀린 것과 100개 틀린 것은 다르지만, 상품 번호의 차이가 1이라고 해서 두 종류가 더 비슷한 것은 아닙니다.
정답을 많이 주는 것만으로 끝나지 않습니다
일부 자료로 학습하고 별도 자료로 성능을 점검합니다. 같은 빵의 거의 동일한 사진이 양쪽에 섞이면 새 사례를 잘 처리하는지 과장해서 평가할 수 있습니다.
학습한 모델을 사용할 때는 새 입력만 받습니다. 정답은 아직 모르기 때문에 예측하는 것입니다. 이후 실제 결과를 확보하면 어떤 상황에서 오차가 컸는지 확인하고 개선에 활용할 수 있습니다.
이름표가 있는 자료에서 무엇을 배울까요?
사진에 빵 이름을 붙이면 분류를, 날짜·날씨에 판매 개수를 붙이면 수량 예측을 학습합니다.
한눈에 정리하기
문제 | 유형 | 목표 |
|---|---|---|
사진 속 빵 종류 | 분류 | 종류 이름 |
내일 판매량 | 회귀 | 수량 |
제품 번호 1·2·3 중 선택 | 분류 | 번호가 가리키는 범주 |
지도학습에서 사람이 매번 지시할 필요는 없습니다. 학습 자료에 목표값이 들어 있다는 뜻입니다.
확인 문제
빵 종류를 1·2·3으로 기록하고 사진에서 종류를 맞힌다. 어떤 과제일까?
① 회귀
② 분류
정답과 해설
정답 ② 분류 · 숫자는 종류에 붙인 이름이다. 예측하려는 대상은 연속적인 수량이 아니라 세 범주 중 하나다.
조금 더 깊이 · 선택해서 읽기
일부 문제에서는 여러 레이블을 동시에 예측하거나 출력이 구조화되어 있습니다. 입문 단계에서는 단순 분류와 회귀로 출발하되 모든 지도학습이 이 두 예와 똑같지는 않음을 기억합니다.
함께 볼 위키
출처와 더 읽을 자료
Google — Supervised Learning — 특징·레이블·학습과 추론 · 확인 2026-10-29
Google — Accuracy, recall, precision, and related metrics — 분류 평가 지표 · 확인 2026-10-29
만화는 AI로 제작한 비유이며, 별도 표시가 없는 수치는 가상 예시입니다.
Comments (0)