빵집에서 AI에게 “내일 손님이 많이 올까요?”라고 묻는다고 해 볼게요. 답을 ‘한산함·보통·붐빔’ 같은 종류로 받고 싶은지, ‘예상 방문객 수’라는 숫자로 받고 싶은지에 따라 문제를 다르게 정할 수 있습니다.
이번에는 예측 문제에서 자주 쓰이는 두 방식, 분류와 회귀를 알아봅니다. AI의 모든 일을 이 두 가지로 나눈다는 뜻은 아닙니다.
분류는 어느 종류인지 예측해요
분류는 입력이 미리 정한 범주 중 어디에 속하는지 예측하는 작업입니다. 예를 들어 상품 사진을 보고 사과인지 배인지 구분하거나, 문의를 배송·교환·기타로 나누는 일을 생각할 수 있어요.
빵집이 다음 날을 ‘한산함·보통·붐빔’으로 구분하고 싶다면 분류 문제로 정할 수 있습니다. 먼저 각 범주가 무엇을 뜻하는지 정해야 해요. 무엇을 ‘붐빔’이라고 부를지 제각각이면 원하는 답도 모호해집니다.
회귀는 얼마인지 예측해요
회귀라는 이름은 낯설지만, 여기서는 숫자 값을 예측하는 작업이라고 기억하면 됩니다. 이동에 걸릴 시간, 내일 팔릴 빵의 개수 등을 예로 들 수 있어요.
가상의 빵집에서 지난 판매 기록과 요일 등을 바탕으로 내일 팔릴 빵을 ‘80개’로 예상했다면, 이 숫자를 예측하는 문제는 회귀에 해당합니다. 80개는 설명을 위한 가상 값이며 실제 모델의 계산 결과가 아닙니다.
숫자로 자세하게 표현돼도 예측이 확정된 사실이 되는 것은 아닙니다. 재료를 준비하는 결정에는 예상이 빗나갈 가능성도 함께 고려해야 합니다.
먼저 필요한 답의 모양을 정하세요
같은 빵집의 기록을 쓰더라도 무엇을 알고 싶은지에 따라 목표가 달라질 수 있어요.
- “내일은 한산함·보통·붐빔 중 어디에 가까울까?” → 범주를 예측하는 분류
- “내일 빵이 몇 개 팔릴까?” → 수량을 예측하는 회귀
결과 화면에 숫자가 보인다고 무조건 회귀인 것은 아닙니다. 분류에서도 범주별 가능성을 숫자로 보여 줄 수 있어요. 핵심은 예측하려는 대상이 범주인지, 수량이나 시간 같은 숫자 값인지입니다.
AI 기능을 볼 때 “이 기능은 무엇을 예측하고, 그 답으로 어떤 일을 하려는 걸까?”라고 물어보세요. 기술 이름보다 필요한 결과를 먼저 생각하는 데 도움이 됩니다.
출처와 확인일
- Google — What is Machine Learning?: 분류와 회귀의 기본 설명. 문서 수정일 2026년 1월 27일.
- Google — Framing an ML problem: 목표에 맞게 모델의 출력 정하기. 문서 수정일 2025년 8월 25일.
자료 확인일: 2026년 10월 31일. 빵집과 수치는 이해를 돕는 가상 예시이며, 특정 서비스를 시험하거나 예측 정확도를 평가한 글은 아닙니다.
답글 남기기