분류(Classification) vs 회귀(Regression) - AI가 문제를 푸는 두 가지 방식

세상의 수많은 AI 기능도 결국 두 가지로 나뉘어요.

"이건 뭐야?" 아니면 "얼마나 될까?" 이 두 질문이 전부예요.

 

 

 

분류 vs 회귀

맞추기
분류 (Classification)

질문   "이건 뭐야?" - 정해진 그룹 중 하나를 고르는 것

결과   숫자가 아닌 이름(라벨)으로 딱 떨어져요.  (예시: 스팸/정상,  개/고양이,  합격/불합격)

원리   데이터 사이에 경계선을 긋는 것. 선의 이쪽은 A, 저쪽은 B

비유   객관식 문제 - 정해진 보기 중 하나를 선택

 

예측하기
회귀 (Regression)

질문   "얼마나 될까?" - 연속적인 숫자를 예측하는 것

결과   구체적인 숫자로 나와요.  (예시: 25.4도,  1,200원,  35분)

원리   데이터를 관통하는 추세선을 그려 다음 값을 맞히는 것
비유   주관식 숫자 문제 - 정답이 숫자로 나옴

 

 

실생활 예시로 보기

	분류 (Classification)	회귀 (Regression)
자율주행 자동차	앞의 물체가 사람인가, 표지판인가?	브레이크를 얼마나 세게 밟아야 하나? 핸들을 몇 도 꺾어야 하나?
넷플릭스 추천	이 영화가 취향 저격 그룹인가, 아닌가?	예상 별점이 몇 점일까?
생성형 AI	다음에 올 가장 적절한 단어는? 이 질문이 코딩 질문인가, 일상 대화인가?	픽셀의 색상 값을 얼마로 채울까?

 

 

 

왜 이 두 가지가 기초일까?

세상의 질문은 "이게 A야, B야?"(분류) 아니면 "이게 얼마나 많아?"(회귀)
결국 이 두 형태 중 하나예요.

컴퓨터는 숫자를 계산하는 기계예요.
그 숫자로 경계선을 긋거나(분류), 추세선을 그리거나(회귀)
이게 데이터를 처리하는 가장 근본적인 두 방법이에요.

 

 

 

요약

AI 교육의 핵심은 학습 데이터만 잘 맞추는 모델(과적합)이 아니라,

처음 보는 데이터도 잘 맞추는 모델(일반화)을 만드는 거예요.