분류(Classification) vs 회귀(Regression) – 한 번에 이해하기

---

머신러닝을 공부하거나 AI를 활용하려고 할 때
가장 먼저 부딪히는 개념 중 하나가 바로
‘분류’와 ‘회귀’의 차이입니다.

둘 다 예측하는 기술이지만,
예측하는 ‘값’의 성격이 다르고
적용되는 문제 유형도 다릅니다.

이 글에서는 **분류(Classification)**와 **회귀(Regression)**의 차이를
비전공자도 한 번에 이해할 수 있도록 쉽고 명확하게 정리해드립니다.

---

1. 둘 다 ‘예측’이다

먼저 공통점부터 확인해 볼까요?

항목	분류 (Classification)	회귀 (Regression)
목적	값을 예측함	값을 예측함
사용법	머신러닝 모델 학습	머신러닝 모델 학습
입력	동일 (숫자, 텍스트 등 특징 데이터)	동일
차이점	예측 결과가 ‘종류’	예측 결과가 ‘숫자’

 

✅ 둘 다 데이터를 바탕으로 미래나 새로운 정보를 예측하는 도구입니다.

---

2. 분류(Classification)란?

분류는 ‘정답이 범주(Category)’인 문제를 해결하는 방법입니다.
즉, 어떤 사물이 A인지, B인지 ‘이 중 하나’를 선택합니다.

📌 예시

• 메일이 스팸인지 아닌지
• 사진이 고양이인지 개인지
• 암 진단 결과가 양성인지 음성인지
• 고객이 이탈할지 Yes/No

결과는 항상 미리 정의된 범주 중 하나입니다.
→ 예측 결과: [‘스팸’, ‘정상’] 또는 [‘양성’, ‘음성’] 등

💬 일상 속 비유

• 선생님이 시험지 보고 학생이 A, B, C 중 어느 등급인지 평가하는 것과 같아요.

---

3. 회귀(Regression)란?

회귀는 ‘정답이 숫자(연속된 값)’인 문제를 해결하는 방법입니다.
즉, 특정 상황에 대해 얼마나? 몇 개? 몇 살? 등을 예측합니다.

📌 예시

• 아파트 가격 예측: 3억 2천만 원
• 내일 최고 기온 예측: 28.5도
• 유튜브 영상 조회수 예측: 120,000회
• 환자의 혈당 수치 예측: 142mg/dL

결과는 ‘숫자’이며, 무한히 다양한 값이 가능합니다.

💬 일상 속 비유

• 체중계에 올라갔을 때 체중을 숫자로 예측해주는 것과 같아요.

---

4. 한눈에 비교!

항목	분류 (Classification)	회귀 (Regression)
결과 형태	범주형 (A/B, 1/2/3 등)	연속형 숫자 (정수/소수 포함)
출력 예시	고양이/개, 합격/불합격	가격, 온도, 시간
모델 예시	로지스틱 회귀, SVM, 랜덤 포레스트	선형 회귀, 랜덤 포레스트 회귀, XGBoost
평가 방법	정확도(Accuracy), 정밀도, F1 점수	평균 제곱 오차(MSE), R² 점수 등
활용 분야	의료진단, 스팸메일 구분, 감정 분석	주가 예측, 수요 예측, 날씨 예측

 

💡 모델 구조는 유사하지만,
결과 형태가 다르기 때문에 문제 정의부터 명확히 해야 합니다.

---

5. 실제 사례로 다시 비교해볼까요?

문제	분류 or 회귀?	이유
이 메일은 스팸인가요?	분류	결과가 스팸/정상 중 하나
이 집은 얼마일까요?	회귀	결과가 가격이라는 숫자
이 사진은 강아지인가요, 고양이인가요?	분류	미리 정의된 카테고리 중 하나
환자의 혈압 수치는 얼마일까요?	회귀	예측 결과가 수치(숫자)

 

---

6. 혼동하지 않는 팁

• “예/아니오”로 답할 수 있다면 → 분류
• “숫자로 답해야 한다면 → 회귀
• 둘 다 복잡한 모델을 쓸 수 있지만, 문제 정의가 먼저입니다.

✅ 머신러닝은 기술보다 **‘질문을 정확히 정의하는 능력’**이 더 중요합니다!

---

💬 마무리하며

분류와 회귀는 머신러닝의 ‘양대 축’입니다.
문제의 성격에 따라 어떤 모델을 쓸지 달라지기 때문에
둘의 차이를 정확히 아는 것이 AI 활용의 첫걸음이에요.

이제는 어떤 문제를 마주했을 때
“이건 분류 문제인가, 회귀 문제인가?”를 스스로 판단해보세요.

그 판단이 곧 ‘똑똑한 AI 활용’의 시작입니다.

---

✍️ 질문 드려요

여러분이 요즘 예측하고 싶은 건 어떤 정보인가요?
그건 ‘분류’일까요, ‘회귀’일까요?
댓글로 함께 고민해봐요