지도학습 문제, 회귀야? 분류야? 모델 선택법까지 완벽 가이드

머신러닝에서 가장 먼저 마주치는 질문이 있습니다. "이 문제는 회귀인가요? 분류인가요?"

지도학습(Supervised Learning)은 크게 회귀(Regression)와 분류(Classification) 두 가지로 나뉘며, 문제의 목표에 따라 선택해야 할 모델도 달라집니다.

이번 글에서는 회귀와 분류 문제의 차이를 이해하고, 각 문제에 어떤 머신러닝 모델이 적합한지 한눈에 정리해보겠습니다.

📚 목차

• 1. 지도학습이란 무엇인가?
• 2. 회귀 문제란?
• 3. 분류 문제란?
• 4. 문제 유형에 따른 모델 선택 가이드
• 5. 마무리 및 요약

---

1. 지도학습이란 무엇인가?

지도학습(Supervised Learning)은 입력 데이터와 정답(Label)이 함께 주어지는 데이터를 기반으로 모델을 학습시키는 방식입니다. 목표는 새로운 입력에 대해 정확한 예측 값을 만들어내는 것입니다. 지도학습의 문제 유형은 크게 두 가지, 회귀(수치 예측)와 분류(범주 예측)로 나뉩니다.

2. 회귀 문제란?

회귀(Regression)는 정답이 연속적인 숫자(실수)일 때 사용합니다. 예측 결과가 수치 데이터라면 회귀 문제로 판단할 수 있습니다.

🧾 예시:

• 아파트의 가격 예측
• 기온 변화 예측
• 매출, 수익, 지수 예측

3. 분류 문제란?

분류(Classification)은 정답이 카테고리(범주형, 클래스)일 때 사용합니다. 예측 결과가 ‘무엇인지’ 또는 ‘어떤 그룹인지’를 알려주는 문제입니다.

🧾 예시:

• 이메일이 스팸인가 아닌가
• 암 진단 결과가 양성인가 음성인가
• 고객이 이탈할 것인가 아닐 것인가
• 사진 속 동물이 고양이인가 개인가

4. 문제 유형에 따른 모델 선택 가이드

문제의 결과가 수치인가요? → 회귀 모델을 사용하세요.

문제의 결과가 범주형인가요? → 분류 모델을 사용하세요.

문제 유형	예시	추천 모델
회귀	가격 예측, 온도 예측, 수익 예측	선형 회귀, 결정 트리 회귀, 랜덤 포레스트 회귀, XGBoost Regressor
이진 분류	스팸 메일 여부, 질병 진단	로지스틱 회귀, SVM, 랜덤 포레스트, LightGBM
다중 분류	사진 분류, 뉴스 카테고리 예측	KNN, 다항 로지스틱 회귀, Naive Bayes, CNN

5. 마무리 및 요약

머신러닝 모델을 고르기 전, 가장 먼저 확인해야 할 것은 결과값이 수치인지, 범주인지입니다. 이를 기준으로 회귀 모델과 분류 모델을 나누고, 각 문제에 최적화된 알고리즘을 선택해야 예측 성능을 높일 수 있습니다. 처음엔 어렵지만, 이 원리만 명확히 익혀두면 어떤 문제든 자신 있게 접근할 수 있습니다!