지도 학습(Supervised Learning)은 레이블된 학습 데이터(입력-정답 쌍)로부터 모델이 입력-출력 매핑을 학습하는 머신러닝 패러다임입니다. 분류(이메일 스팸 여부)와 회귀(집값 예측)가 주요 작업이며, 선형 회귀·의사결정 트리·신경망·SVM 등 다양한 알고리즘이 사용됩니다. 레이블 품질과 양이 성능을 좌우하며, 가장 많이 사용되는 ML 패러다임입니다.
지도 학습(Supervised Learning)은 레이블된 학습 데이터(입력-정답 쌍)로부터 모델이 입력-출력 매핑을 학습하는 머신러닝 패러다임입니다. 분류(이메일 스팸 여부)와 회귀(집값 예측)가 주요 작업이며, 선형 회귀·의사결정 트리·신경망·SVM 등 다양한 알고리즘이 사용됩니다. 레이블 품질과 양이 성능을 좌우하며, 가장 많이 사용되는 ML 패러다임입니다.