비지도 학습

비지도 학습은 입력 데이터에 대한 정답(레이블) 없이 데이터의 패턴이나 구조를 찾아내는 학습 방법입니다. 모델은 입력 데이터 자체에서 숨겨진 구조나 패턴을 발견하거나, 데이터 간 유사성을 기반으로 그룹화(클러스터링)하는 데 집중하며, 차원 축소에도 활용됩니다. 클러스터링(clustering)은 데이터를 비슷한 특성을 가진 그룹으로 나누는 방식을 뜻하며, 차원 축소(dimensionality reduction)는 고차원 데이터를 더 낮은 차원으로 변환해 정보 손실을 최소화하면서 분석하기 쉽게 만드는 방식을 의미합니다.

▲ 그림 1-17 비지도 학습 예시

비지도 학습은 입력 데이터(예 사진)만 제공하며, 모델은 라벨 없이 데이터의 특징을 스스로 분석해 그룹화합니다. 모델은 주어진 데이터가 강아지인지 고양이인지 알지 못하지만, 비슷한 특징을 가진 데이터끼리 같은 그룹으로 묶어냅니다. 따라서 라벨링되지 않은 대용량 데이터를 학습하는 데 유용하며, 데이터 내 숨겨진 패턴이나 구조를 발견하는 데 효과적으로 활용할 수 있습니다.