준지도학습(SSL)

Written by. 차수빈

📚 Reference

크게 지도학습(supervised learning)과 비지도학습(unsupervised learning)으로 나뉨
- 구분 기준) 학습 데이터의 라벨(label)의 유무
- 지도학습
  - 정답이 되는 데이터(labeled data)를 학습시켜 새로운 입력(input) 데이터가 무엇인지 예측하는 것을 목표로 함
  - 분류(classification), 회귀(regression)
- 비지도학습
  - 정해진 정답 없이 주어진 입력 데이터 간의 숨어있는 구조를 찾아 비슷한 데이터끼리 묶는 것을 목표로 함
  - 군집화(clustering)
준지도학습은 지도학습과 비지도학습의 방법론을 모두 활용하는 학습 방법
- 레이블이 있는 샘플을 사용하여 모델을 지도(supervise)하는 동시에 레이블이 없는 샘플을 사용하여 데이터의 구조나 특성을 학습(unsupervised)
- 학습 정확도를 크게 향상시키기 위해 학습 시 소량의 레이블이 지정된(labeled) 데이터와 대량의 레이블이 지정되지 않은(unlabeled) 데이터를 결합하는 기계 학습의 한 분야

train 데이터에서 일부 샘플에 레이블이 지정되지 않은 상황
sklearn.semi_supervised의 준지도학습 estimators는 레이블이 지정되지 않은 데이터를 추가적으로 활용하여 기존 데이터 분포의 모양을 더 잘 파악하고 새로운 샘플로 더 잘 일반화할 수 있음
레이블이 지정된 데이터의 양이 매우 적고 레이블이 지정되지 않은 데이터의 양이 많을 때 활용할 수 있는 학습 방법
- 학습 데이터에 수동으로 레이블을 지정(데이터 레이블링)하는 데 드는 비용을 줄이고 오늘날의 디지털 세계에서 찾을 수 있는 레이블이 지정되지 않은 방대한 양의 데이터를 활용할 수 있다는 부분에서 유리
y의 레이블이 지정되지 않은 항목
- fit()을 사용하여 모형을 학습할 때 레이블이 지정되지 않은 곳에 레이블이 지정된 데이터와 함께 식별자를 할당하는 것이 중요
  - 사용하는 식별자: -1(integer)
- 문자열(string) 레이블의 경우 문자열과 정수를 모두 포함할 수 있도록 y의 dtype이 object여야 함
데이터 세트의 분포에 대한 가정이 필요
- 레이블이 지정되지 않은 데이터를 사용하려면 데이터의 기본 분포와 어떤 관계가 있어야 함
- 준지도학습 알고리즘은 아래의 가정 중 적어도 하나를 활용