비지도학습

비지도학습

• 비지도학습(Unsupervised Learning): 정답 라벨 없이 변수만 있는 데이터 활용
• 데이터 안의 숨은 구조와 반복 패턴을 파악하는 것이 목적
• 군집분석에서는 "무엇을 맞혀야 하는가"보다 "데이터를 어떻게 묶을 수 있는가"에 초점

비지도학습의 세 가지 과제

• 군집분석(Clustering)
  • 비슷한 개체끼리 묶어 데이터 안의 유형을 발견
  • 예: 고객 세분화, 설문 응답 패턴으로 하위 집단 찾기
• 차원 축소(Dimensionality Reduction)
  • 많은 변수를 핵심 정보를 유지하는 소수의 변수로 압축
  • 예: 수십 개 문항의 설문을 몇 개의 요인으로 요약, 고차원 데이터의 2차원 시각화
• 이상치 탐지(Anomaly Detection)
  • 대다수와 다른 패턴을 보이는 소수의 사례를 발견
  • 예: 설비 센서의 비정상 패턴, 평소와 다른 거래 패턴
• 세 과제는 서로 연결됨
  • 군집에 속하지 않는 점이 이상치가 되기도 함
  • 차원 축소로 변수를 줄인 뒤 군집분석을 하면 결과를 시각화하고 해석하기 쉬움

지도학습과의 비교

• 지도학습은 정답을 모으는 비용이 크지만 성능을 객관적으로 측정 가능
• 군집분석처럼 정답 라벨이 없는 과제는 라벨 수집 없이 시작 가능하지만, 결과의 타당성을 판단하기 어려움
• 비지도학습으로 데이터를 탐색하고 구조를 파악한 뒤, 지도학습으로 예측 모델을 만드는 경우도 있음
  • 군집 번호를 새 변수로 만들거나, 차원 축소로 변수를 줄여 지도학습의 입력으로 활용

자기 지도 학습

• 자기 지도 학습(Self-supervised Learning): 사람이 정답 라벨을 별도로 붙이지 않고, 데이터 자체에서 학습 목표를 만들어 학습하는 방법
• 데이터의 일부를 가리거나 변형한 뒤, 원래 내용이나 같은 데이터에서 나온 관계를 학습 신호로 활용
• 라벨 없는 대량의 데이터로 자기 지도 학습을 수행해 데이터를 다루는 데 유용한 내재적 표현을 학습

비지도학습과의 관계

• 사람이 붙인 정답 라벨 없이 학습한다는 점에서 넓게는 비지도학습에 포함
• 군집분석처럼 구조를 직접 찾는 방법과 달리, 데이터에서 학습 목표를 만드는 방식을 강조할 때 별도로 구분
• 지도학습과 마찬가지로 정해진 목표에 맞춰 모델을 조정하지만, 목표의 출처가 다름
  • 지도학습: 리뷰와 별도로 수집한 긍정·부정 라벨을 짝지어 학습
  • 자기 지도 학습: 리뷰의 일부 단어를 가리고, 가리기 전 단어를 정답으로 사용

예시

"오늘 날씨가 정말 좋다"라는 텍스트가 있을 때