머신러닝 (Machine Learning)
쉽게 풀면
스팸 메일을 걸러낼 때 "이런 단어가 들어가면 스팸이다"라는 규칙을 사람이 일일이 다 적어주는 대신, 수많은 스팸 메일과 정상 메일 사례를 컴퓨터에게 보여주면 컴퓨터가 스스로 "이런 특징을 가진 메일이 스팸일 확률이 높다"는 패턴을 찾아냅니다. 이렇게 사람이 규칙을 직접 코딩하지 않고, 데이터를 많이 보여줌으로써 컴퓨터가 스스로 판단 기준을 학습하게 만드는 방식이 머신러닝입니다. 마치 아이에게 개와 고양이 사진을 여러 장 보여주며 구분법을 스스로 익히게 하는 것과 비슷합니다.
왜 중요한가
사람이 모든 경우의 수를 규칙으로 일일이 작성하기 어려운 복잡한 문제(이미지 인식, 자연어 이해, 질병 예측 등)에서도 데이터만 충분히 주어지면 패턴을 찾아낼 수 있다는 점에서, 머신러닝은 의료, 금융, 산업, 사회과학 등 거의 모든 분야의 연구에서 예측·분류·최적화 도구로 폭넓게 활용됩니다. 특정 분야의 전문 지식과 결합하면 기존 통계적 방법으로는 다루기 어려웠던 대규모·고차원 데이터에서도 유의미한 관계를 찾아낼 수 있어, 데이터가 풍부해진 최근 연구 환경에서 특히 중요한 방법론으로 자리 잡았습니다.
핵심 정리
- 머신러닝이라는 용어는 1959년 IBM의 아서 새뮤얼(Arthur Samuel)이 체커 프로그램 연구에서 쓰기 시작한 것으로 알려져 있습니다.
- 널리 인용되는 정의는 톰 미첼(Tom Mitchell)의 것입니다. 컴퓨터 프로그램이 과제 T와 성능 척도 P에 대해 경험 E로부터 배운다고 하려면, 경험 E가 쌓일수록 척도 P로 잰 과제 T의 성능이 좋아져야 합니다.
- 이 정의는 ‘이해했는가’가 아니라 ‘경험이 늘면 성능이 나아지는가’라는 작동 기준입니다. 그래서 논문에서는 과제(T), 데이터(E), 평가 척도(P)를 먼저 밝힙니다.
- 핵심은 일반화, 곧 학습에 쓰지 않은 데이터에서도 성능이 유지되는가입니다. 과적합과 교차검증은 이 점을 다루는 개념입니다.
예시로 보기
미첼의 정의를 가상의 스팸 분류에 대입합니다.
| 요소 | 내용(가상) |
|---|---|
| 과제 T | 받은 메일을 스팸/정상으로 분류 |
| 경험 E | 정답이 붙은 메일 10,000통 |
| 성능 척도 P | 새 메일 2,000통에서의 분류 정확도 |
가상의 결과로 학습 데이터 정확도 98%, 학습에 쓰지 않은 검증 데이터 정확도 71%가 나왔다면 차이는 98 − 71 = 27%p입니다. 이 예에서 정한 척도 P는 새 메일에서의 정확도이므로, 이 모델은 ‘잘 배웠다’고 하기 어렵습니다. 학습 데이터만 외웠을 가능성이 크고, 이런 상태를 과적합이라고 합니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 학습 데이터에서 정확도가 높으면 좋은 모델이다. | 머신러닝은 학습에 쓰지 않은 데이터에도 일반화하는 것을 목표로 합니다. 위 가상의 예처럼 학습 정확도와 검증 정확도의 차이를 함께 봐야 합니다. |
| 머신러닝은 딥러닝과 같은 말이다. | 딥러닝은 인공신경망을 깊게 쌓은 머신러닝의 한 갈래입니다. 지도학습·비지도학습·강화학습 등 다른 방식도 모두 머신러닝에 속합니다. |
| 예측이 잘 맞으면 원인도 밝혀진 것이다. | 예측 성능과 인과 해석은 별개의 문제입니다. 변수가 예측에 도움이 된다는 사실만으로 그 변수가 결과의 원인이라고 할 수 없습니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“본 연구에서는 사회복지학의 최근 연구경향을 분석하기 위해 머신러닝 기법 중 하나인 연관규칙 분석(association rules)을 실행한다.”
한국 사회복지학의 최근 연구경향: 연관규칙 분석의 활용, 보건사회연구, 2018 · KCI 한국학술지인용색인 · 원문 보기 ↗
“조직 및 인사 영역에서 빅데이터와 머신러닝기법의 유용성을 짚어 보고 그 적용 방법을 구체적으로 제안했다”
조직 및 인사 연구에서 빅데이터 분석 방법론 활용, 조직과 인사관리연구, 2022 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
의사가 규칙을 직접 정한 것이 아니라, 과거 환자 데이터를 컴퓨터에 학습시켜 패턴을 찾아내게 했다는 뜻입니다.
농업 분야 연구에서는 다양한 환경 데이터를 학습시켜 수확량이나 병해 발생 가능성을 미리 예측하는 데 머신러닝을 활용합니다.
금융 분야에서는 사람이 정한 고정된 규칙보다 데이터에서 학습한 패턴이 새로운 유형의 이상 거래를 더 유연하게 탐지할 수 있음을 보이는 데 머신러닝을 사용합니다.
조금 더 깊게 보면
머신러닝은 학습 방식에 따라 정답 데이터(레이블)를 이용해 예측 모델을 학습하는 지도학습, 정답 없이 데이터의 구조나 군집을 스스로 찾아내는 비지도학습, 시행착오를 통해 보상을 최대화하는 행동을 학습하는 강화학습 등으로 크게 나뉩니다. 딥러닝은 인공신경망을 여러 층으로 깊게 쌓아 복잡한 패턴을 학습하는 머신러닝의 한 갈래로, 이미지나 텍스트처럼 구조가 복잡한 데이터를 다루는 데 특히 강점을 보입니다. 논문에서는 모델의 예측 정확도뿐 아니라, 학습에 사용하지 않은 데이터에서도 성능이 유지되는지를 보이는 교차검증이나 홀드아웃 검증 절차를 함께 제시하는 것이 일반적입니다.
주의할 점
머신러닝 모델은 학습에 사용한 데이터의 편향을 그대로 흡수하기 쉬워, 특정 집단에 불리한 예측을 할 위험이 있습니다. 또한 모델이 학습 데이터에서는 잘 맞아도 새로운 데이터에서는 성능이 크게 떨어질 수 있어, 별도의 검증 절차 없이 발표된 정확도만 그대로 믿어서는 안 됩니다.
헷갈리기 쉬운 용어
| 용어 | 한 줄 설명 | 머신러닝과의 관계 |
|---|---|---|
| 머신러닝 | 데이터로부터 패턴을 학습해 예측·판단하는 기법 | — |
| 강화학습 | 시행착오를 통해 보상을 최대화하는 행동을 학습하는 방식 | 머신러닝의 한 갈래 |
| 과적합 | 학습 데이터에는 잘 맞지만 새 데이터에서 성능이 떨어지는 상태 | 일반화 실패 |
| 교차검증 | 데이터를 나누어 학습과 검증을 번갈아 하며 성능을 평가하는 절차 | 일반화 성능의 평가 |
| 경사하강법 | 손실을 줄이는 방향으로 매개변수를 반복 갱신하는 최적화 방법 | 학습에 쓰이는 알고리즘 |
참고 문헌
- Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.
- Samuel, A. L. (1959). Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 3(3), 210–229.
- Hastie, T., Tibshirani, R., & Friedman, J. (2001). The Elements of Statistical Learning. Springer.
- LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.