선형 회귀의 개념

선형 회귀는 지도 학습에서 가장 단순하고 널리 사용되는 알고리즘 중 하나입니다. 데이터에 직선을 적합하여 두 변수 사이의 관계를 모델링합니다.

이 직선을 최적 적합선이라고 합니다.

선형 회귀를 사용하는 경우

선형 회귀는 다음과 같은 경우에 적합합니다:

• 연속적인 값을 예측하는 경우(예: 주택 가격, 기온)
• 독립 변수와 종속 변수 사이의 관계를 이해하는 경우

선형 회귀의 주요 구성 요소

선형 회귀 모델의 주요 구성 요소는 다음과 같습니다:

• 기울기: 선의 각도를 결정합니다.
• 절편: 선이 y축과 만나는 지점입니다.
• 오차: 실제 값과 예측값의 차이입니다.

선형 회귀의 수식

선형 회귀의 수식은 다음과 같습니다:

y = mx + b

• y: 종속 변수(예측하려는 대상)
• m: 선의 기울기
• x: 독립 변수(입력 데이터)
• b: 절편(상수)

선형 회귀의 작동 방식

선형 회귀는 오차 제곱합을 최소화하는 선을 찾아 실제 값과 예측값의 차이를 최소화합니다(최소제곱법).

이를 통해 선이 모든 데이터 점에 최대한 가까워지도록 합니다.

선형 회귀의 시각적 표현

선형 회귀 모델은 일반적으로 데이터 점의 산점도와 최적 적합선을 함께 표시하여 시각화합니다.

다음은 예시 데이터 세트입니다:

• 독립 변수(x): 1, 2, 3, 4, 5
• 종속 변수(y): 2, 4, 6, 8, 10

선형 회귀의 일반적인 활용 사례

선형 회귀는 다음과 같은 분야에서 널리 사용됩니다:

• 경제학: 주가를 예측합니다.
• 의료: 환자의 회복 시간을 추정합니다.
• 마케팅: 매출을 예측합니다.

선형 회귀의 한계

선형 회귀는 변수 사이에 선형 관계가 있다고 가정하지만, 항상 그런 것은 아닙니다.

또한 이상치에 민감하므로 최적합선에 큰 영향을 줄 수 있습니다.

요약 및 다음 단계

이 강의에서는 다음 내용을 다뤘습니다:

• 선형 회귀의 개념과 수식
• 선형 회귀를 사용하는 경우와 주요 구성 요소
• 일반적인 활용 사례와 한계

다음에는 실습을 통해 파이썬에서 선형 회귀를 구현해 보겠습니다.