질문부터 정하기
설명·인과·예측은 서로 다른 질문입니다
기술적 설명은 관측 자료의 분포와 관계를 요약합니다. 예를 들어 면적과 단가의 관계를 그리거나 유형을 조건으로 한 계수를 읽습니다. 인과 추론은 특정 조건을 바꾸었을 때 결과가 어떻게 달라지는지 묻습니다. 관측 관계만으로 답할 수 없으며 설계와 식별 가정이 필요합니다.
예측은 아직 모르는 결과를, 예측 시점에 알 수 있는 정보로 추정합니다. 계수의 유의성보다 새로운 자료에서의 오차·확률의 신뢰성·활용 목적이 중요합니다. 같은 회귀식도 설명이나 예측에 쓰일 수 있지만 평가 기준은 달라집니다.
따라서 ‘통계는 설명, 머신러닝은 예측’으로 나누지 않습니다. 방법 이름보다 질문, 자료 수집 과정, 검증 설계를 먼저 정합니다. 예측 변수의 중요도가 크다고 인과효과가 큰 것도 아닙니다.
지도학습의 구조
입력 X와 목표 Y의 대응을 학습합니다
지도학습은 관측된 입력 특징 X와 목표값 Y의 쌍으로 f̂를 학습해 새 입력의 Y를 예측합니다. 부동산 예제에서는 면적·층·지역이 입력, 거래 단가가 목표가 될 수 있습니다. 학습 당시 목표값이 있다는 뜻이지, 실제 예측 시점에도 목표를 알고 있다는 뜻은 아닙니다.
‘정답’은 기록된 목표 열을 가리키는 편의적 표현입니다. 측정오차·신고오류·라벨 기준의 모호함이 있을 수 있으며 현실의 완전한 진실이라는 뜻은 아닙니다. 입력과 목표의 정의·관측 단위·예측 시점을 명시해야 합니다.
경험위험 최소화는 학습 손실 (1/n)ΣL(yᵢ,f(xᵢ))을 줄이는 방식입니다. 제곱손실·절대손실·로그손실처럼 목적에 맞는 손실을 선택하며, 학습 손실을 낮추는 것만으로 새 자료 성능이 보장되지 않습니다.
회귀 예제
숫자 목표에는 원 단위의 오차를 확인합니다
수치형 목표를 예측하는 회귀를 살펴보겠습니다. 공통 자료 1~20번으로 적합한 식은 ŷ=250.703 -0.7603×면적입니다. 나머지 10건의 MAE는 41.08만원/㎡입니다.
같은 평가 10건에서 학습 평균 155.10만 항상 예측하는 기준모형의 MAE는 49.86입니다. 기준모형은 평가 자료의 단가를 보고 다시 정하지 않았습니다. 평균 기준은 간단한 비교용이며 MAE를 최소화하는 상수는 학습 중앙값이라는 점도 구별합니다.
단 한 번의 작은 번호 순 분할로 우수한 모형을 확정할 수 없습니다. 공통 자료의 번호는 거래 시점이 아니므로 미래 예측 검증도 아닙니다. 같은 목표·평가 표본·지표에서 비교했다는 계산 원리를 배우는 예제입니다.
분류 예제
범주 목표는 확률과 오류의 종류를 읽습니다
분류는 범주형 목표를 예측합니다. 예를 들어 별도로 정의하고 라벨링한 거래 유형을 추정할 수 있습니다. 주거·상업을 숫자 0·1로 저장해도 연속값 회귀와 같은 목표가 되는 것은 아닙니다. 로지스틱 회귀는 이름에 회귀가 있지만 대표적인 분류 확률 모형입니다.
정확도=(TP+TN)/전체, 양성 재현율=TP/(TP+FN), 정밀도=TP/(TP+FP)입니다. TP는 맞힌 양성, FN은 놓친 양성, FP는 잘못 양성으로 분류한 관측입니다. 이 예제의 정밀도는 분모가 0입니다. 소프트웨어가 편의상 0을 출력하더라도 정의와 출력 규칙을 구별합니다.
확률을 범주로 바꾸는 임계값은 오탐과 누락의 균형을 바꿉니다. 확률 예측에는 로그손실·보정 상태도 중요합니다. 양성이 드물 때 정확도만으로 판단하지 말고 어떤 오류가 더 중요한지 목적에 맞춰 평가합니다.
비지도학습의 구조
목표 라벨 없이 입력 자료의 구조를 찾습니다
비지도학습은 지정된 목표 Y와 맞추도록 학습하지 않고 X의 구조를 찾습니다. 군집은 비슷한 관측을 묶고, 차원축소는 여러 특징을 더 적은 좌표로 요약합니다. 밀도 추정이나 일부 이상 탐지도 이 범주에 속합니다. 비지도학습이 모두 군집분석이라는 뜻은 아닙니다.
‘라벨을 사용하지 않는다’와 ‘사람의 선택이 없다’는 다릅니다. 특징·거리·표준화·군집 수를 사람이 정하며 이 선택이 결과를 바꿉니다. 알고리즘은 분석 목적을 대신 정해 주지 않습니다.
군집 예제
군집 번호는 원래의 정답 범주가 아닙니다
K-means는 정한 K개의 중심과 각 점 사이의 제곱거리 합을 작게 만드는 군집을 찾습니다. 그림은 구조를 보기 쉬운 별도 가상 8점과 두 중심입니다. 각 점을 가까운 중심에 배정하고, 각 군집의 평균을 다시 구하면 같은 중심을 얻습니다.
이 예제의 군집 내 제곱거리 합은 4입니다. 이 숫자만으로 두 군집이 현실의 두 유형을 발견했다고 결론낼 수 없습니다. K를 늘리면 같은 자료의 최적 제곱거리 합은 줄거나 같아지므로 작은 값만 추구하면 안 됩니다.
군집 번호에는 순서나 좋고 나쁨이 없습니다. 임의로 주거·상업이라는 이름을 붙이는 것과 해당 범주를 예측하도록 학습하는 것은 다릅니다. 사후 라벨 일치율을 계산하더라도 그것은 외부 비교이며, 독립 평가 자료의 분류 정확도와 같지 않습니다.
특징·스케일·시점
같은 열도 분석 목적에 따라 역할이 달라집니다
기존 거래의 면적·단가로 시장 구성을 탐색한다면 단가를 군집 특징에 사용할 수 있습니다. 반면 아직 모르는 단가를 예측하려는 시점에는 그 단가나 거래금액÷면적으로 복원한 값을 입력으로 넣을 수 없습니다. 이는 정답을 입력에 섞는 데이터 누수입니다.
거리 기반 방법에서 ㎡·원·층은 숫자의 규모가 달라 거리의 비중을 바꿉니다. 표준화는 한 방법이지만, 모든 변수의 중요도가 같다는 선택이 될 수 있으므로 목적과 단위를 함께 고려합니다. 예측 파이프라인의 평균·표준편차는 학습 자료로만 추정합니다.
중복 거래·같은 단지의 반복 관측·인접 시점의 유사 자료를 무작위로 나누면 실제 새 지역이나 미래에 적용하는 상황보다 쉬운 평가가 될 수 있습니다. 어느 단위까지 새로운 대상인지 먼저 정하세요.
학습과 평가
선택에 사용한 자료와 마지막 평가를 구분합니다
학습 자료는 계수와 전처리 기준을 정하는 데, 검증 자료는 모형·변수·설정을 비교하는 데, 시험 자료는 선택이 끝난 뒤 성능을 평가하는 데 사용합니다. 자료가 작으면 교차검증 등으로 역할을 구현할 수 있지만 시험 결과를 반복 선택에 이용하면 더 이상 독립적인 최종 평가가 아닙니다.
회귀는 같은 목표 단위의 오차, 분류는 오류 유형과 확률, 군집은 안정성·분리 정도·분야 해석을 함께 봅니다. 비지도학습도 평가가 필요하며 표본을 바꾸거나 스케일을 바꿀 때 구조가 유지되는지 확인합니다. 내부 지표가 좋아도 유용한 시장 구분이라는 보장은 없습니다.
문제 정의 연습
알고 싶은 것과 사용할 정보를 먼저 적습니다
- 분석 대상과 관측 단위를 정합니다. 거래 한 건인지, 단지인지, 지역·월인지 구별합니다.
- 설명·인과·예측·구조 탐색 중 주된 질문을 적습니다.
- 지도학습이면 목표와 예측 시점, 그 시점의 입력 정보를 정의합니다.
- 활용할 지역·시점·집단에 맞춰 검증 설계와 기준모형을 정합니다.
- 결과의 오차·불확실성·적용 범위를 함께 보고합니다.
좋은 예측이 좋은 인과 설명을 보장하지 않고, 해석하기 쉬운 모형이 자동으로 좋은 예측을 보장하지도 않습니다. 목적에 맞게 확인할 증거를 선택합니다.
확인 문제
목표와 평가 대상을 구별하세요
- 회귀분석은 통계이므로 지도학습이 아닌가요?
답과 해설
입력과 수치형 목표의 대응을 학습한다면 지도학습입니다. 방법의 전통과 학습 구조는 다른 구분입니다.
- 군집 색이 실제 유형과 비슷하면 분류 정확도인가요?
답과 해설
군집을 만든 뒤의 외부 비교입니다. 같은 자료에서 사후 대응시킨 일치율을 새 관측의 분류 정확도로 읽지 않습니다.
- 정확도 90%면 드문 양성도 잘 찾나요?
답과 해설
아니요. 양성 10%를 모두 놓쳐도 정확도 90%일 수 있습니다. 재현율 등도 확인합니다.
- 단가로 기존 시장을 군집화하는 것도 늘 누수인가요?
답과 해설
아니요. 이미 알려진 거래의 구조 탐색에는 쓸 수 있습니다. 미지의 단가를 예측하는 입력에 넣으면 목적상 누수가 됩니다.
CH2 Macro에서 읽기
기능 이름보다 분석 질문을 확인합니다
CH2 Macro에서 관계를 요약한 통계, 미래·미지 결과의 예측, 유사한 시장 집단의 탐색을 구별해 읽으세요. 실제 제공되는 입력·출력과 평가 설명을 확인하고 이 장의 예제가 서비스에 구현된 알고리즘이라고 전제하지 않습니다.
공통 자료는 출처 미확인 학습 예제이며 분류·군집 그림은 별도 가상 자료입니다. 군집이나 예측값을 개별 적정가·투자 권고로 바꾸어 해석하지 않습니다.
정리와 참고자료
목표·정보·평가가 학습 문제를 정합니다
지도학습은 목표값과의 대응을, 비지도학습은 입력의 구조를 학습합니다. 설명·인과·예측의 목적을 먼저 구별하고 새 자료에서 무엇을 확인해야 하는지 정하세요.
다음 23장 「학습·검증·시험 자료와 데이터 누수」에서 평가 설계를 자세히 살펴봅니다.
본문과 그림은 직접 작성한 학습 예제입니다. 참고자료 확인: 2026-10-09.