🔗 관련 문서: Wikipedia - Label (Machine Learning)

Label - 레이블 / 라벨

레이블(Label)은 AI/ML에서 학습 데이터에 부여된 정답(ground truth)으로, 모델이 무엇을 예측해야 하는지를 알려주는 필수 정보이다. 특히 지도 학습(Supervised Learning)에서 핵심 역할을 한다.

(1) 레이블이란?

레이블(Label)은 AI 모델이 학습을 통해 예측하려는 목표 값이다. 예: 사진에 "고양이"라는 라벨을 붙여주면, 모델은 이후 고양이 이미지를 더 잘 예측하게 된다.

(2) 레이블의 종류

• 이진 분류(Binary Classification): 예/아니오 또는 0/1로 구분 (예: 스팸 메일 여부)
• 다중 분류(Multi-class Classification): 둘 이상의 클래스 중 하나 선택 (예: 개, 고양이, 새)
• 연속값 회귀(Regression): 숫자 형태의 연속적 값 예측 (예: 온도, 가격 등)

(3) 레이블의 중요성

• 정확한 학습 제공: 잘못된 라벨은 모델 성능을 저하시킴
• 모델 평가 기준: 정확도, 정밀도 등 메트릭 계산에 필수
• 지도 학습의 기반: 레이블이 없으면 지도 학습이 불가능