분류와 회귀

지도학습 모델 대부분은 두 가지 질문 형태 중 하나에 답합니다.

분류 — "어느 것?"

정해진 선택지에서 하나를 고릅니다. 왼쪽/직진/오른쪽을 고르는 레이싱 모델이 분류기입니다. 스팸 필터, 고양이-개 판별도 마찬가지.

• 출력: 클래스별 확률(softmax) — 가장 높은 걸 선택.
• 측정: 정확도 — 단, 불균형을 조심하세요. 90%가 직진인 트랙에선 "무조건 직진" 모델이 정확도 90%에 커브에선 100% 무용지물입니다.

회귀 — "얼마나?"

연속적인 숫자를 예측합니다: 정확한 조향각, 내일 기온, 랩타임.

• 출력: 실수 값 (여러 개일 수도).
• 측정: 평균 오차(MAE/MSE) — 맞다/틀리다가 아니라 얼마나 벗어났나.

무엇을 고를까

같은 문제를 양쪽으로 다 짤 수 있습니다: 조향을 버튼 3개(분류)로도, 각도 하나 (회귀)로도. 버튼은 라벨링과 학습이 쉽고, 각도는 주행이 부드럽습니다. 과제를 어떻게 짜느냐 자체가 엔지니어링입니다 — 지도학습 코스에서 본 것이 버튼 프레이밍입니다.