회귀

---

다중 선형 회귀

• 기존 단일 선형 회귀와는 다르게 독립변수가 여러개인 선형 회귀이다.
• 실습예제 ozone에서 ozone은 temp, 태양광, 바람 모두 영향을 받지만 우리는 단일 선형 회귀를 진행했기때문에 독립변수를 하나만 사용했다.
• 이제는 다중 선형 회귀에 대해서 알아보겠습니다.

모델식

모델식이 기존 단일 선형과는 다릅니다.

• 위에 wx + b가 기존 식이라면 wx1, x2 추가적으로 y에 영향을 줍니다.
• 여기서 식을 조금 바꾸게 되면 오른쪽의 식으로 바뀝니다.

---

keras 구현

• 식을 보시면 선형회귀와는 다른점은 독립변수의 개수와 input_layer에서의 feature 개수의 차이정도입니다.

---

회귀 종류

1. 연속적인 숫자값을 예측하는 회귀
   • 1. 단일 선형 회귀
   • 2. 다중 선형 회귀
2. 이산적인 분류(Classification)값을 예측하는 회귀
   • 로지스틱(Logistic) 회귀
     • 이항분류(이진분류)에 대해서 진행합니다. ex) 합격, 불합격
     • deep learning의 기본 component입니다.

---

분류(classification)

이항분류(이진분류)

• 위에서 보면 병이 있다 없다로 신용카드가 정상 비정상으로 체크할 수 도 있습니다.
• 하지만 공부시간 몇시간을 했을때 내가 합격을 할 수 있을지 없을지도 확인할 수 있습니다.
• 위의 예를들어 모델의 값이 3시간일때 0.6라고 가정할때 6시간을 했을때의 값이 0.9이라고 나오면 합격이라고 나올 확률이 높습니다.

---

• 위의 표의 선이 모델의 값입니다.
• 모델의 선을 기준으로 위쪽이 1 아래가 0 이라고 모델이 판단한 것입니다.
• 모두 정확하게 나눠지는것은 아닙니다. 하나씩 다르게 판단할때도 있습니다.