1-1. Linear Regression

 머신러닝에 대해서는 아래의 유튜브를 통해 학습하였다. 

 

Linear Regression (선형 회귀)

---

 선형 회귀는 통계학과 머신 러닝에서 가장 기본적이고 널리 사용되는 예측 모델 중 하나로, 입력 변수와 출력 변수 간의 선형 관계를 모델링하려는 것이다.

 

 간단히 말해, 선형 회귀는 주어진 입력 변수에 대해 출력 변수를 예측하는 작업을 수행한다. 입력 변수는 종종 '독립 변수' 또는 '특성' 이라고도 불리며, 출력 변수는 '종속 변수' 라고도 불린다. 선형 회귀는 입력 변수와 출력 변수 사이의 선형적인 관계를 가정하고, 이 관계를 통해 새로운 입력 값에 대한 출력 값을 예측하는 것이 목표이다.

 

 선형 회귀는 기본적으로 선형 방정식을 통해 모델을 구성한다. 간단한 경우를 살펴보자. 하나의 입력변수(x)와 하나의 출력변수(y)가 있다고 가정해보자. 선형 회귀 모델은 다음과 같은 형태의 선형 방정식을 사용한다.

y = wx + b

 여기서 w는 기울기를 나타내는 계수이고, b는 y절편을 나타내는 상수이다. 모델은 주어진 입력변수 x에 대해 적절한 w와 b의 값을 찾아내는 것이 목표이다.

 

 

  위와 같이 주택 면적과 해당 주택의 가격 데이터가 존재한다고 가정해보자. 이 데이터를 그래프로 표시한다면 아래와 같다.

 

 

 

위의 그래프에서 파란색 선은 실제값을 나타내고 검정색 선은 예측값을 나타낸다. 예측값을 구하기 위해서는 다음의 공식이 필요하다.

 

 

이렇게 구한 예측값을 이어서 예측선을 구하면 된다.

 

 

실습

---

 실습은 Anaconda와 Juputer Notebook을 통해서 Python으로 진행하였다. 실습으로 선형 회귀를 구현할 데이터는 공부 시간에 따른 시험 점수이다. 이 데이터를 이용해서 그래프를 그려보고 모델을 생성해 예측선의 선형 방정식을 구하는 과정을 진행해보겠다.