회귀 모델 입문

회귀 분석은 변수 사이의 관계를 모델링하는 통계 기법입니다. 결과를 예측하고 데이터의 패턴을 발견하는 데 도움이 됩니다.

선형 회귀 이해하기

선형 회귀는 직선을 사용하여 종속 변수와 독립 변수 사이의 관계를 모델링합니다.

model <- lm(mpg ~ hp, data=mtcars)
summary(model)

회귀선 시각화

abline()을 사용하여 산점도에 회귀선을 추가합니다.

plot(mtcars$hp, mtcars$mpg)
abline(model, col='red')

다중 선형 회귀

다중 회귀는 하나 이상의 독립 변수를 포함하여 종속 변수의 변동을 설명합니다.

model_multi <- lm(mpg ~ hp + wt, data=mtcars)
summary(model_multi)

모델 적합도 확인

summary()를 사용하여 R-squared와 p값을 포함한 회귀 모델의 품질을 평가합니다.

summary(model_multi)

로지스틱 회귀 수행

로지스틱 회귀는 이진 범주형 결과(예: 성공과 실패)를 모델링합니다.

data(mtcars)
mtcars$am <- as.factor(mtcars$am)
model_logit <- glm(am ~ hp + wt, data=mtcars, family='binomial')
summary(model_logit)

새로운 값 예측

predict()를 사용하여 학습된 회귀 모델로부터 예측을 생성합니다.

predict(model_multi, newdata=data.frame(hp=120, wt=3))

모델 가정 평가

회귀 모델은 오차의 정규성, 등분산성 및 독립성을 가정합니다. 잔차 그래프를 확인하여 타당성을 평가합니다.

plot(model_multi$residuals)

요약

이 레슨에서는 다음을 배웠습니다.

• 선형 회귀와 다중 회귀를 수행하는 방법
• 회귀 모델의 성능을 평가하는 방법
• 회귀 모델을 사용하여 새로운 값을 예측하는 방법