Page 152 - 고등학교 인공지능 기초
P. 152

1    분류 모델이란?



                                               분류 모델이란 레이블이 달린 학습 데이터를 통해 대상의 특성을 학습함으

                                             로써, 실제 분류 상황에서 일반화하여 사용할 수 있는 모형을 말한다. 새로운
                                             데이터를 분류 모델에 넣으면 어느 레이블에 속하는지 자동으로 분류된다.




                                                                                             그림Ⅲ-18 l 분류 모델 학습





                                                                                           분류 모델





                      분류 모델의 종류                분류 모델을 활용해 의상을 분류한다고 가정해 보자. 의상은 상의·하의·신
                    긍정·부정의 두 레이블로 분류하
                                             발로 구분할 수 있고 각각의 의상은 여러 가지 모양이 있으므로 종류별로 골고
                    는 이진 분류 모델과 3가지 이상
                    의 레이블로 분류하는 다중 분류        루 수집한다. 이때 수집한 의상을 사진으로 찍으면 이미지 데이터가 된다.
                    모델이 있다.
                                               의상 데이터를 다양하게 확보할수록 분류 모델의 성능을 높일 수 있다. 이렇
                                             게 확보한 데이터를 레이블과 함께 학습하면 분류 모델이 생성된다.
                                               학습을 마친 분류 모델에 새로운                                     결과

                                             의상을 인식하면 자동으로 ‘상
                                                                                                             상의
                                             의’, ‘하의’, ‘신발’로 분류

                                             된다. 의상을 상자에                                                     하의
                                             담는 기계와 결합하
                                                                                                             신발
                                             면 실용적인 의상

                                             분류기가 완성된다.                                           그림Ⅲ-19 l 분류 모델 활용


                                                                                                 잠깐 활동

                       분류 모델이 사람의 일을 돕거나 대신하는 상황에 활용되는 사례를 조사하여 적어보자.
















                    150    Ⅲ 데이터와 기계학습
   147   148   149   150   151   152   153   154   155   156   157