제 22장📕ML_선형회귀(Linear Regression)📕

🤔 선형 회귀란 무엇인가?

▶ 독립변수와 종속변수 간에 직선식의 형태가 있음을(선형관계라고 함) 가정하여

최적의 선을 그어 예측을 하기 위한 방법

▶  머신러닝에서는 Loss(손실) 을 최소화하는 선을 찾아서 모델을 만들어낸다

▶  수식을 도출하기 쉬움으로 해석이 매우 직관적인것이 특징이다.

예시) 귀뚜라미는 더울때 더 많이 운다.

출처 : IT위키

---

💸 Loss(손실) 줄여보기

위 그래프를 보면 최대 4거리 만큼의 Loss가 나는데 이를 최소화 하기 위해 경사하강법을 사용하는데

이러한 수식을 MSE(Mean Square Error) "평균 제곱 오차" 라고 한다 또 더 정밀한 값을 뽑기 위해서

MSE 전체에 루트를 씌운 RMSE(벡터의 거리를 구하는 개념)를 사용하기도 한다.

보편적으로는 간편한 MSE를 사용한다.

 

💡 핵심,유의할 점

▶ object 형태로 표현된 범주형 변수로는 모델링 할 수 없다.

▶계수의 절댓값이 클수록 영향이 크다고 할 수 있고, 0에 가까울수록 영향력이 거의없다.

▶ 하지만 각 변수에따라 스케일이 다르기 때문에 여러 개수를 비교할때 절댓값이 더 크다고

영향이 더 크다고 보기에는 오차가 많을수 있다.

 

 

💪장점, 🩸단점

장점

▶ 모델이 간단하다 => 해석이 쉬움

▶ 소요시간이 짧다

 

단점

▶ 최신의 알고리즘과 비교했을때는 

정확도가 떨어진다.

▶ 독립변수와 예측 변수의 선형관계가 있음을 전제로

한다는 한계가 있다.