머신러닝 기법에서의 선형 회귀
→ 주어진 특성(x)과 결정 값 데이터(y)에 기반하여, 학습을 통해 최적의 회귀 계수(parameter : W, b)를 찾아내는 것.
Linear Regression 으로 해결할 수 있는 예제
- 보스턴 주택 가격 예측
- 교통 및 직장의 접근성, 치안·학권·상권 등의 여러 요인의 독립 변수를 통해 주택 가격을 예측할 수 있다.
- 기업의 프로모션 효용성 예측
- 기업의 프로모션에 대한 광고 노출 빈도, 조회수, 사용자들의 댓글 혹은 좋아요 및 화제성·트렌드 등의 독립 변수를 통해 해당 프로모션에 대한 효용성을 예측 할 수 있다.
- 대여자전거 이용량 예측
- 지하철 이용량, 기온이라는 독립 변수를 통해 이용량을 예측할 수 있다.
- 판매원의 연간 총 매출 예측
- 판매원의 연령, 학력, 경력, 받은 인센티브의 정도 등의 독립 변수를 통해 연간 총 매출을 예측할 수 있다.
이처럼 선형회귀를 통해 예측하고자 하는 데이터(y)는 임의의 파라미터 값들과 결합되는 각각의 특성들 간의 상관관계를 파악하여 추론할 수 있다.
