종속변수로 구분하는 회귀 vs 분류 문제 – 연속변수·이산변수 완벽 이해하기

머신러닝을 처음 접할 때 가장 먼저 마주하는 질문 중 하나는 "이 문제는 회귀 문제일까, 분류 문제일까?"입니다.

그 해답의 핵심은 바로 **종속변수(타깃 변수)** 에 있습니다. 종속변수가 연속변수인지, 이산변수인지에 따라 문제 유형과 사용하는 알고리즘이 완전히 달라지기 때문이죠.

이번 글에서는 지도학습에서 **회귀 vs 분류 문제의 차이점**을 종속변수의 관점에서 이해하고, 어떤 경우에 어떤 모델을 써야 하는지 정리해봅니다.

📚 목차

• 1. 지도학습과 종속변수란?
• 2. 회귀 문제의 종속변수: 연속변수
• 3. 분류 문제의 종속변수: 이산변수 또는 범주형
• 4. 회귀 vs 분류 문제 비교 정리표
• 5. 마무리 요약

---

1. 지도학습과 종속변수란?

지도학습(Supervised Learning)은 **입력(X)** 과 **정답(Y)** 이 함께 주어지는 데이터로 모델을 학습시켜 **새로운 데이터에 대해 정답을 예측**하는 방식입니다. 이때 Y값, 즉 종속변수가 어떤 형태인지에 따라 회귀 또는 분류 문제로 구분됩니다.

2. 회귀 문제의 종속변수: 연속변수

회귀 문제(Regression)는 예측하려는 값이 실수형(연속형)일 때 사용됩니다. 즉, 종속변수가 연속변수이면 회귀 문제입니다.

• 아파트 가격 예측 (₩387,000,000)
• 기온 예측 (22.5℃)
• 영화 관객 수 예측 (연속된 수치)

3. 분류 문제의 종속변수: 이산변수 또는 범주형

분류 문제(Classification)는 예측하려는 값이 클래스 또는 카테고리일 때 사용됩니다. 즉, 종속변수가 이산변수 또는 범주형 변수일 경우 분류 문제입니다.

• 이메일이 스팸인가 아닌가 (0 or 1)
• 암 진단 결과 (양성 / 음성)
• 고객이 이탈할 것인가? (Yes / No)
• 사진 속 동물은 무엇인가? (고양이 / 개 / 새)

4. 회귀 vs 분류 문제 비교 정리표

항목	회귀 문제	분류 문제
종속변수 형태	연속변수	이산변수 또는 범주형 변수
예측값 예시	수치(가격, 매출, 거리)	클래스(0/1, A/B/C)
대표 모델	선형 회귀, 결정 트리 회귀	로지스틱 회귀, SVM, 랜덤포레스트

5. 마무리 요약

지도학습에서 회귀 문제와 분류 문제를 구분하는 핵심 기준은 **종속변수의 데이터 타입**입니다.
🔹 연속변수 → 회귀 문제 → 회귀 모델 사용

🔹 이산변수 / 범주형 변수 → 분류 문제 → 분류 모델 사용
문제를 정확히 정의하면, 올바른 모델을 선택하고 학습시킬 수 있습니다. 처음엔 헷갈릴 수 있지만, 이 구조만 정확히 익혀두면 머신러닝 모델 선택이 한결 쉬워집니다!