머신러닝은 데이터 속에 숨어 있는 규칙을 찾아내는 일이다. 잔뜩 쌓인 숫자들 사이에서 “이 값이 오르면 저 값도 오른다” 같은 추세나 패턴을 골라내, 그것을 하나의 수식으로 적어 둔다. 그 수식만 손에 쥐면 아직 보지 못한 입력값이 들어와도 결과가 대략 얼마일지 예측할 수 있다. 회귀도, 분류도, 요즘 흔히 듣는 AI 모델도 뿌리는 이 한 문장에서 갈라져 나온다.
이 글은 머신러닝의 큰 그림을 네 걸음으로 짚는다. 데이터에서 패턴을 수식으로 만든다는 것이 무슨 뜻인지, 이 방식이 학교에서 배운 공학 공식과 왜 방향이 반대인지, 입력과 출력을 부르는 여러 이름을 어떻게 정리할지, 마지막으로 예측 문제가 회귀와 분류로 갈리는 기준이 무엇인지까지다.
머신러닝은 무엇을 하나 — 데이터에서 패턴을 수식으로
F1 팀은 한 시즌 동안 수천 바퀴의 주행 기록을 쌓는다. 이 방대한 로그를 들여다보면 어렴풋한 경향이 보인다. 연습량이 쌓일수록 랩타임이 줄어든다든지, 노면 온도가 낮을수록 타이어가 늦게 달궈진다든지. 머신러닝은 이 어렴풋한 경향을 또렷한 수식으로 못 박는 작업이다.
수식의 모양은 하나가 아니다. 점들 사이로 직선을 하나 긋는 함수일 수도 있고, “노면 온도가 20도 미만이면 랩타임은 평균 100초, 그 이상이면 평균 98초” 같은 조건 규칙일 수도 있다. 형태가 무엇이든 목적은 같다. 데이터에 담긴 관계를 붙잡아, 새 입력이 들어왔을 때 결과를 예측하는 것이다.
공학의 공식과 머신러닝은 방향이 반대다
학교에서 배운 공식들은 이론에서 출발한다. 아인슈타인의 E = mc²을 떠올려 보자. 질량과 빛의 속도라는 입력으로 에너지라는 출력이 결정되는데, 이 관계는 데이터를 모으기 전에 이론적으로 먼저 유도됐다. 즉 y = f(x)라는 관계식 f를 사람이 증명해서 손에 쥔 뒤, 거기에 값을 넣는 순서다.
머신러닝은 이 순서를 거꾸로 뒤집는다. 관계식 f를 미리 알지 못한 채, 손에는 x와 y의 데이터만 있다. 그 데이터로부터 f가 어떻게 생겼을지를 역으로 더듬어 찾아낸다. 현실의 복잡한 현상은 깔끔한 공식으로 증명하기 어려울 때가 훨씬 많기 때문에, 데이터에서 관계를 뽑아내는 이 방식이 강력한 무기가 된다.
입력과 출력, 그리고 부르는 이름들
머신러닝에는 변수 두 종류가 등장한다. 예측에 쓰는 재료가 입력 변수 x, 우리가 알아맞히려는 대상이 출력 변수 y다. 문제는 분야마다 이 둘을 다른 이름으로 부른다는 점이다. 처음 배울 때 같은 것을 두고 여러 용어가 튀어나와 헷갈리기 쉬우니 한 번에 정리해 둔다.
| 역할 | 통계학에서 | 머신러닝에서 | 쉬운 정의 |
|---|---|---|---|
| 입력 변수 x | 독립변수 | 예측변수·특성(feature) | y를 맞히는 데 쓰는 재료 |
| 출력 변수 y | 종속변수 | 반응변수(response) | 우리가 예측하려는 대상 |
이름은 달라도 가리키는 것은 똑같다. 어느 책에서 독립변수·종속변수라고 쓰든, 특성·반응변수라고 쓰든 당황할 필요 없이 “x와 y”로 바꿔 읽으면 된다.
진짜 관계는 아무도 모른다 — 학습 데이터와 hat
여기서 통계학과 똑같은 벽을 만난다. x와 y의 진짜 관계 f는 세상 전체(모집단)를 다 봐야 정확히 알 수 있는데, 아무도 전체를 볼 수 없다. 우리 손에 있는 건 실제로 관측한 일부 데이터뿐이다. 머신러닝에서는 이 표본을 특별히 학습 데이터라고 부른다. 바로 이 데이터로 f를 학습, 즉 추정하기 때문이다.
추정한 값에는 진짜 값과 구분하려고 hat(모자) 기호를 씌운다. 진짜 관계는 f, 학습 데이터로 추정한 관계는 f̂, 그 식으로 내놓은 예측값은 ŷ이다. 이 hat 기호는 단순선형회귀에서 회귀선을 추정할 때 쓰던 그 표기와 완전히 같다. 결국 머신러닝은 통계학이 쌓아 온 모집단·표본·추정의 논리를 그대로 이어받는다.
회귀냐 분류냐 — 출력 변수의 형태가 가른다
예측 모델은 크게 둘로 나뉜다. 갈림길은 딱 하나, 출력 변수 y가 어떤 형태냐다.
y가 연속형, 즉 실수로 이어지는 숫자면 회귀 모델이다. 랩타임 몇 초, 기온 몇 도처럼 눈금 위 어디든 올 수 있는 값이 여기 해당한다. 반면 y가 범주형, 즉 정해진 몇 개의 부류(클래스) 중 하나면 분류 모델이다. 완주냐 리타이어냐, 1등급이냐 2등급이냐처럼 칸으로 나뉘는 값이다.
| 구분 | 회귀 모델 | 분류 모델 |
|---|---|---|
| 출력 y의 형태 | 연속형(실수) | 범주형(클래스) |
| 예측 대상 예시 | 다음 랩의 랩타임(초) | 완주 여부(완주/리타이어) |
| 대표 모델 | 선형회귀 | 로지스틱 회귀 |
같은 입력이라도 무엇을 맞히려 하느냐에 따라 문제의 종류가 바뀐다. 이번 시리즈에서는 회귀 모델의 대표로 선형회귀를, 분류 모델의 대표로 로지스틱 회귀를 차례로 다룬다. 세상에는 이 둘 말고도 예측 모델이 무수히 많지만, 이 두 가지를 확실히 잡아 두면 나머지로 넘어가는 길이 훨씬 수월해진다. 두 모델의 표준 구현과 더 넓은 지도는 scikit-learn 지도학습 문서에서 확인할 수 있다.
핵심 요약
- 머신러닝은 데이터 속 패턴을 찾아 수식(함수·규칙 등)으로 표현하고, 그 식으로 새 값을 예측하는 방법이다.
- 공학 공식은 이론으로 f를 먼저 유도하지만, 머신러닝은 데이터에서 f를 거꾸로 추정한다.
- 입력 x는 독립변수·특성, 출력 y는 종속변수·반응변수로도 불린다 — 이름만 다르고 가리키는 것은 같다.
- 진짜 관계 f는 모르므로 학습 데이터(표본)로 추정하고, 추정값에는 hat(f̂, ŷ)을 씌운다.
- 출력 y가 연속형이면 회귀, 범주형이면 분류다. 이 시리즈는 선형회귀와 로지스틱 회귀를 다룬다.
