7.3.2 선형 회귀 알고리즘
모든 지도 학습 기법 중에서 가장 이해하기 쉬운 것은 선형 회귀 알고리즘입니다. 이 절에서는 먼저 단순한 선형 회귀를 살펴보고 그 개념을 다중 선형 회귀 알고리즘으로 확장하겠습니다.
단순한 선형 회귀 이해하기
가장 단순한 선형 회귀 모델은 단일 연속형 특성(독립 변수)과 단일 연속형 타깃 변수(종속 변수) 사이의 관계를 표현합니다. 특성(x축)의 변화량이 타깃 변수(y축)에 얼마나 영향을 미치는지 다음과 같이 간단한 회귀식으로 표현할 수 있습니다.
ý = (X)w + α
이 공식의 주요 요소는 다음과 같습니다.
• y는 종속 변수입니다.
• X는 독립 변수입니다.
• w는 X가 증가할 때마다 y가 얼마나 증가하는지 결정하는 기울기입니다.
• α는 X = 0일 때 y의 값을 결정하는 인터셉트(y 절편)입니다.
단일 종속 변수와 단일 독립 변수의 관계인 사례를 몇 가지 들어 보겠습니다.
• 몸무게와 칼로리 소비량
• 주택 가격과 인근 지역 주택의 평균 평수
• 습도와 강수 확률