Unsupervised Learning

비지도 학습은 라벨 없이 데이터에서 구조를 찾는 머신러닝의 한 분야입니다. 모델은 이미지, 센서 측정값, 고객 기록과 같은 입력만 받아 예시 간 유사성, 함께 변하는 특성, 다른 데이터와 동떨어진 포인트 등 데이터의 구조를 학습합니다. 지도 학습은 모든 학습 예시에 정답이 필요하지만 수집된 데이터 대부분에는 정답이 없습니다. 따라서 비지도 방법은 새로운 데이터셋을 처음 살펴보는 데 자주 사용되며, 이후 모델이 활용할 그룹, 압축된 특성, 이상 점수를 제공합니다.

주요 방법 계열#

클러스터링은 유사한 예시를 그룹화합니다. K-평균 클러스터링은 각 포인트를 가장 가까운 k개 중심 중 하나에 할당하고, DBSCAN은 밀도가 높은 영역에서 클러스터를 확장하며 고립된 포인트에 노이즈 라벨을 지정합니다. 가우시안 혼합 모델은 기대값-최대화 알고리즘을 사용해 서로 겹치는 확률 분포를 적합합니다.

차원 축소는 정보 대부분을 유지하는 몇 가지 특성으로 여러 특성을 압축합니다. 주성분 분석(PCA)은 분산이 가장 큰 방향을 찾고, t-SNE와 UMAP은 고차원 포인트를 데이터 시각화를 위한 2D 맵에 배치합니다. 오토인코더는 입력 자체를 재구성해야 하는 신경망을 사용해 같은 유형의 압축을 학습합니다.

밀도 추정은 각 입력의 가능성을 모델링하므로 정상 데이터만으로 이상 탐지를 수행할 수 있습니다. 온전한 부품이나 일반적인 거래만으로 학습한 모델은 가능성이 낮다고 판단한 항목을 표시합니다. Apriori 알고리즘과 같은 연관 규칙 마이닝은 쇼핑 바구니나 이벤트 로그에서 함께 나타나는 항목을 찾습니다.

라벨 없이 학습 및 평가하기#

타깃이 없을 때 각 방법은 입력 자체에 정의된 기준을 최적화합니다. K-평균은 포인트와 클러스터 중심 간 거리를 최소화하고, PCA와 오토인코더는 재구성 오차를 최소화하며, 혼합 모델은 데이터의 우도를 최대화합니다. 정확도를 직접 측정할 수 없으므로 실루엣 계수와 같은 내부 점수, 후속 작업에서 출력이 얼마나 유용한지, 또는 평가용으로만 남겨 둔 라벨을 기준으로 결과를 판단합니다.

이 scikit-learn 예제는 손으로 쓴 숫자 이미지 1,797개를 픽셀값으로 클러스터링한 다음 알고리즘이 본 적 없는 숫자 라벨과 클러스터를 비교합니다.

from sklearn.cluster import KMeans
from sklearn.datasets import load_digits
from sklearn.metrics import adjusted_rand_score

# Load 1,797 handwritten digit images as 64 pixel values each, then set the labels aside
X, y = load_digits(return_X_y=True)

# Group the images into 10 clusters using the pixels alone
kmeans = KMeans(n_clusters=10, n_init=10, random_state=0)
clusters = kmeans.fit_predict(X)

# Compare the clusters with the digit labels the model never saw
print(f"Adjusted Rand index: {adjusted_rand_score(y, clusters):.2f}")

조정 랜드 지수는 완벽하게 일치하면 1.0, 우연히 일치하는 수준이면 약 0이며, 이 예제에서는 0.67입니다. 0, 4, 6은 각각 거의 전부 자체 클러스터에 속하지만, 한 클러스터에는 1과 8이 각각 100개씩 섞여 있습니다.

비지도 학습, 준지도 학습, 자기 지도 학습#

준지도 학습은 소량의 라벨링 데이터와 대량의 비라벨 데이터를 결합합니다. 보통 라벨을 사용해 학습한 다음 모델의 확신도 높은 예측을 바탕으로 학습합니다. 자기 지도 학습은 대개 비지도 학습에 포함되며, 대부분의 대규모 딥러닝 모델이 라벨 없는 데이터로 학습하는 방식입니다. 문장의 다음 단어나 마스크 오토인코더의 이미지 은닉 패치처럼 데이터에서 예측 타깃을 만듭니다. 대규모 언어 모델은 라벨 없는 텍스트로 이런 방식의 사전 학습을 거치며, Meta의 DINOv2는 라벨 없이 1억 4,200만 개 이미지에서 범용 이미지 특성을 학습했습니다. 강화 학습은 별도의 설정으로, 고정된 데이터셋의 구조가 아니라 행동에 대한 보상을 신호로 사용합니다.

응용 분야#

컴퓨터 비전 팀은 레이블링이나 학습 전에 데이터 세트를 탐색하기 위해 비지도 방법을 사용합니다. 이미지 임베딩을 클러스터링하면 모델을 왜곡할 수 있는 근접 중복, 이상치, 과도하게 대표된 장면을 찾을 수 있습니다. Ultralytics Platform의 클러스터링 패널은 전체 데이터 세트에서 이를 수행합니다. 모든 이미지를 임베딩하고 2D 지도에 배치한 다음, Color 설정을 Clusters로 지정하면 시각적으로 유사한 이미지의 각 섬을 가장 큰 것부터 표시하고 어떤 섬에도 속하지 않는 점은 Scattered로 나열합니다. 거의 동일한 동영상 프레임이 연속되거나 이상치가 몇 개 흩어져 있는 경우 YOLO26 모델을 데이터로 학습하기 전에 확인할 수 있습니다.

산업 검사에서는 이상 탐지 방식이 중요하게 활용됩니다. 결함은 드물고 형태도 다양하므로, 많은 결함 탐지 시스템은 정상 부품의 외관만 학습하고 이와 다른 이미지 영역을 표시합니다. 은행은 사기 탐지에서 거래에 같은 아이디어를 적용하고, 소매업체는 구매 이력을 고객 세그먼트로 클러스터링해 마케팅 및 추천 시스템에 활용합니다. 단일 세포 유전체학에서는 연구자들이 수천 개 개별 세포의 유전자 발현 프로필을 클러스터링하고 UMAP으로 시각화하여 사전에 알지 못했던 세포 유형을 발견합니다.