기초 개념 · Classification초보갱신일 2026. 10. 1.
분류
입력을 미리 정해 둔 라벨(카테고리) 중 하나로 고르는 AI 작업입니다.
비유
우편함에 ‘광고·청구서·개인’ 칸이 있을 때, 편지를 해당 칸에 넣는 것처럼, 분류는 ‘정답 칸 고르기’입니다.
이렇게 이해하세요
분류(Classification)는 스팸/정상 메일, 문의 유형, 감정 긍·부정, 제품 카테고리처럼 ‘정해진 선택지’로 데이터를 나누는 대표적인 머신러닝 문제입니다. 학습에는 라벨(정답 카테고리)이 붙은 예시가 필요하고, LLM 시대에는 ‘이 글의 주제는?’처럼 프롬프트만으로 분류하기도 합니다. 정확도만 보면 좋아 보여도, 소수 클래스·불균형 데이터에서는 중요한 케이스를 놓치기 쉽습니다. 업무에서는 분류 결과를 ‘자동 처리’가 아니라 ‘우선순위 큐’로 쓰면 사고가 줄어듭니다. 라벨 정의가 바뀌면 모델도 다시 학습·평가해야 합니다.
한 줄 암기
분류 = 정해진 칸 중 하나 고르기
좋은 예
고객 문의를 ‘환불·배송·기술’로 자동 태깅한 뒤, ‘환불’만 상담원에게 우선 배정한다.
피하기
분류 모델이 ‘99% 정확’이라며 사람 검수 없이 환불 승인을 전부 자동화한다.
관련 서비스
관련 용어
기초 개념 더보기관련 링크
자주 묻는 질문
분류와 클러스터링의 차이는?
분류는 미리 정한 라벨로 나누고, 클러스터링은 라벨 없이 비슷한 것끼리 묶습니다.
LLM으로 분류하면 전통 ML이 필요 없나요?
소량·빠른 실험에는 LLM이 편하지만, 대량·저지연·고정 비용이면 전통 분류기나 임베딩+분류기가 유리할 수 있습니다.