예를 들어 모델이 양수 kernel[i]를 학습했다면 feature[i] 값이 커질 때 출력이 커진다는 것을 의미합니다. 반대로 모델이 음수 kernel[j]를 학습했다면 feature[j]가 커질 때 예측 출력을 감소시킵니다. 학습된 값의 크기가 매우 작다면, 모델은 관련된 특성이 예측에 거의 영향을 미치지 않는다고 간주합니다. 반면에 학습된 값이 크다면, 모델은 이 특성에 큰 가중치를 부여하여 특성이 조금만 바뀌어도 비교적 예측에 큰 영향을 미치게 만듭니다.25
구체적으로 그림 2-13은 보스턴 주택 예제의 출력 영역에 표시된 절댓값순으로 가장 큰 다섯 개의 가중치 값입니다. 랜덤한 초기화 때문에 실행할 때마다 값이 조금씩 달라집니다. 음수 가중치를 가진 특성은 부동산 가격에 부정적인 영향을 미친다고 생각할 수 있습니다. 예를 들면 고등교육 이하 비율이나 고용센터까지의 거리 등입니다. 평균적인 방의 개수처럼 학습된 가중치가 양수인 특성은 부동산 가격에 직접적으로 연관성을 가진다고 기대할 수 있습니다.
▲ 그림 2-13 보스턴 주택 가격 예측 문제에서 선형 모델이 학습한 가중치 중 절댓값 크기 순서로 정렬된 상위 다섯 개. 음수 값을 가진 특성은 주택 가격에 부정적인 영향을 미친다고 기대할 수 있다.