문맥 (context)
지도 학습 (Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. 이렇게 유추된 함수 중 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다. 지도 학습기(Supervised Learner)가 하는 작업은 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해내는 것이다. 이 목표를 달성하기 위해서는 학습기가 "알맞은" 방법을 통하여 기존의 훈련 데이터로부터 나타나지 않던 상황까지도 일반화하여 처리할 수 있어야 한다. 사람과 동물에 대응하는 심리학으로는 개념 학습(Concept Learning)을 예로 들 수 있다.
<heading>평가 방법 </heading>
훈련 데이터로부터 하나의 함수가 유추되고 나면 해당 함수에 대한 평가를 통해 파라미터를 최적화한다. 이러한 평가를 위해 교차 검증(Cross-Validation)이 이용되며 이를 위해 검증 집합(Validation Set) 을 다음의 3가지로 나눈다.
이러한 교차 검증을 통하여 훈련된 각 함수에 대해 정밀도(Precision)와 재현율(Recall)를 측정할 수 있으며 그 정의는 아래와 같다.
지시문 (instruction)
주어진 원문을 읽고 필요한 정보를 파악하여, 원문에 근거해 질문에 답하라.
질문 (question)
지도 학습에서 유추된 함수가 연속적인 값을 출력하는 경우와 입력 벡터의 종류를 표식하는 경우를 각각 무엇이라 부르는가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation지도 학습을 통해 유추된 함수의 출력 특성에 따른 두 가지 명칭을 구분하여 묻는 질문이다.
-
2정보 추출
information_extraction함수의 출력 형태에 따른 분류 기준인 '연속적인 값 출력'과 '입력 벡터의 종류 표식'을 추출한다.
- 이렇게 유추된 함수 중 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다.
-
3근거 선택
evidence_selection연속적 값 출력은 회귀분석, 종류 표식은 분류라는 대응 관계를 확인한다.
- 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고
- 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다.
-
4논리 통합
logical_integration두 가지 속성에 대응하는 용어를 매칭한다.
-
5결론 도출
conclusion_formulation연속적인 값을 출력하는 것은 회귀분석, 종류를 표식하는 것은 분류임을 결론짓는다.
- 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다.
-
6답변 생성
answer_generation질문에 대해 명확하게 두 용어를 제시하여 답변을 작성한다.
- 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류(Classification)라 한다.
최종 답변 (final_answer)
연속적인 값을 출력하는 함수는 회귀분석(Regression)이라 하고, 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 함수는 분류(Classification)라고 한다.
핵심 해석 (core_interpretation)
지도 학습을 통해 유추된 함수는 출력 결과물의 특성에 따라 회귀와 분류 두 가지 유형으로 구분된다.