지도학습Supervised Learning

짝지어진 자료가 출발점이에요

지도학습을 시작하려면 자료가 짝으로 있어야 해요. 사진 한 장과 그 사진에 붙은 이름표, 문장 하나와 그 문장의 감정, 아파트 정보 한 줄과 실제 거래 가격처럼요. 한쪽만 있으면 지도학습이라고 부르지 않아요.

이 짝은 사람이 만들어요. 사장님이 사과를 등급별로 나눠 담아 둔 것처럼, 누군가 자료를 하나하나 보고 답을 적어 둔 거예요. 그래서 지도학습의 출발점은 알고리즘이 아니라 답이 붙은 자료를 얼마나 잘 갖췄는지예요.

짝을 모을 때는 실제로 쓰일 상황과 비슷하게 모아야 해요. 창고에 들어오는 사과가 여름 품종인데 겨울 품종으로만 기준을 잡아 두면, 선별기는 자기가 본 적 없는 사과 앞에서 헤매요.

어긋난 만큼만 기준을 고쳐요

가르치는 과정은 한 번에 끝나지 않아요. 예시를 하나 넣고 답을 내보고, 준비된 답과 견줘 얼마나 틀렸는지를 숫자 하나로 재요. 이 숫자를 줄이는 쪽으로 내부의 기준을 아주 조금 움직이고, 다음 예시로 넘어가요. 이 일을 수십만 번 반복해요.

한 번에 크게 고치지 않는 게 요령이에요. 사과 한 알 때문에 기준을 확 바꾸면 앞서 맞히던 것들까지 틀리게 되거든요. 조금씩 여러 번 고치면 예시 하나하나가 아니라 예시들이 공통으로 말하는 방향으로 기준이 자리를 잡아요.

이름표를 붙일지, 숫자를 부를지

답의 생김새에 따라 갈래가 나뉘어요. 답이 특·상·보통 같은 이름표면 분류예요. 사진에 담긴 것이 무엇인지, 메일이 스팸인지, 리뷰가 호평인지 같은 문제가 여기에 들어가요. 답이 정해진 칸 중 하나로 떨어져요.

답이 숫자면 회귀예요. 사과 한 상자의 예상 무게, 다음 달 전기 사용량, 중고차 값처럼 답이 눈금 위 어디든 놓일 수 있는 문제예요. 같은 자료라도 답을 어떻게 적어 두느냐에 따라 갈래가 달라져요. 당도를 "달다·보통·시다"로 적으면 분류, "12.4"처럼 적으면 회귀예요.

답을 붙이는 일이 가장 비싸요

기술 이야기에서는 학습 시간이 화제지만, 현장에서 가장 오래 걸리는 일은 답을 붙이는 쪽이에요. 사진 수만 장에 사람이 하나씩 이름표를 다는 일이니까요. 의료 사진이나 법률 문서처럼 전문가가 봐야 하는 자료면 비용이 더 크게 뛰어요.

그래서 답을 적는 기준을 미리 못 박아 두는 일이 중요해요. 흠집이 몇 개까지 특급인지 사람마다 다르게 판단하면, 같은 사과에 서로 다른 답이 붙어요. 어긋난 답이 섞이면 선별기는 흔들리는 기준을 배우게 돼요.

연습용과 시험용을 갈라 놔요

답이 붙은 자료를 전부 가르치는 데 쓰면 안 돼요. 일부는 손대지 않고 남겨 두었다가 마지막에 꺼내 써요. 가르칠 때 쓴 사과로 시험을 보면 선별기가 잘하는지 알 길이 없거든요.

남겨 둔 자료에서 나온 점수가 실제로 쓸 때의 점수에 가까워요. 연습에서는 거의 다 맞히는데 남겨 둔 자료에서 뚝 떨어지면 답을 외운 상태고, 양쪽 다 못 맞히면 기준이 너무 단순한 상태예요.