통계 실험실 차트
넘스탯 로고
넘스탯
LEARN · SIMULATE · VERIFY

확률부터 LLM까지, 원리부터 제대로 배우는 자기주도 학습 플랫폼

로그인
학습 메뉴
도움말
홈

지도학습: 분류와 회귀 알고리즘

마일스톤 학습법으로 단계별 완전 정복
지도학습
분류
회귀
선형회귀
로지스틱회귀
예측모델
이 개념 직접 실험하기 — 지도학습 종합 실습
이 학습을 통해 달성할 수 있는 목표
기초 이해
  • • 지도학습의 정의와 원리를 이해한다
  • • 분류와 회귀의 차이를 구분할 수 있다
  • • 실생활의 지도학습 활용 사례를 찾을 수 있다
심화 학습
  • • 선형회귀와 로지스틱회귀의 수식을 이해한다
  • • 주요 평가지표(정확도, 정밀도, 재현율, RMSE, R²)를 설명할 수 있다
  • • 실제 데이터에 지도학습 알고리즘을 적용할 수 있다
실무 적용
  • • 다양한 지도학습 알고리즘의 장단점을 비교할 수 있다
  • • 실무 프로젝트에 적합한 알고리즘을 선택할 수 있다
  • • 모델의 한계와 편향 문제를 인식하고 대응할 수 있다
한눈에 보기

지도학습은 입력-정답 쌍으로 학습해 새 입력의 출력을 예측하며, 출력이 범주면 분류, 연속값이면 회귀다.

이 내용은 넘스탯의 지도학습 종합 실습에서 직접 실험으로 확인할 수 있습니다.

학습 로드맵

각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다

기초 이해
개념 정의와 기본 원리
약 25분
클릭
심화 학습
공식 유도와 다양한 예시
약 40분
클릭
실무 적용
실제 케이스와 고급 응용
약 50분

학습 진도 (완료한 단계)

0%

기초 이해지도학습이란?

지도학습이란?

난이도 3/5
약 25분

지도학습은 정답(라벨)이 주어진 데이터로 학습하여, 새로운 데이터의 결과를 예측하는 기계학습 방법입니다.

지도학습 — 분류와 회귀정답(레이블)을 학습 — 출력이 범주면 분류, 연속값이면 회귀분류 (범주 예측)경계로 클래스 A/B를 나눔회귀 (연속값 예측)추세선으로 수치를 예측※ 분류: 정확도·F1·AUC로 평가 · 회귀: RMSE·결정계수로 평가
핵심 포인트
  • •학습 데이터에 입력과 정답(라벨)이 모두 포함
  • •분류(Classification): 범주 예측 (예: 스팸/정상)
  • •회귀(Regression): 연속값 예측 (예: 집값, 온도)
  • •평가 지표: 정확도, 정밀도, 재현율, RMSE 등
간단한 예시

이메일 스팸 필터: 학습 데이터: • "무료 당첨! 클릭" → 스팸 • "회의 일정 공유" → 정상 • "지금 구매하세요!" → 스팸 • "프로젝트 첨부파일" → 정상 학습 후 새 이메일: • "무료 이벤트 참여" → 스팸 (95% 확률)

이해도 확인하기

정답: 선생님처럼 정답을 알려주며 가르친다는 의미입니다. 학습 데이터에 정답(라벨)이 포함되어 있어서 모델이 올바른 답을 배울 수 있습니다.

정답: 분류는 범주를 예측합니다(예: 고양이/개, 스팸/정상). 회귀는 연속적인 숫자를 예측합니다(예: 집값, 온도).

기계학습 이론 페이지로 돌아가기