대표를 뽑는 것은 중요하다.
모두의 의견을 일일이 다 반영할 수 없기 때문이다.
이번 포스팅의 주제인 선형 회귀가 하는 역할이다.
이번에도 chatgpt에게 먼저 물어봤다.
요약하자면,
- 종속 변수(Dependent variable)와 독립 변수(Independent variables) 사이의 관계를 모델링
- best Line or Hyperplane을 찾는다
- 가장 일반적으로 최소제곱법(OLS) 사용
설명이 부족한 것 같아 더 자세하게 설명해달라고 했다.
그러자 독립변수가 하나인 Simple Linear Regression과
독립변수가 여러 개인 Multiple Linear Regression를 말해주고
각각의 실제 예시를 들어 주었다.
그런데 설명은 크게 다르지 않다.
분발하자 gpt.
gpt가 준 예시로 생각해보자.
사람들의 키에 대한 정보로 몸무게를 유추하거나
집의 건축 연도, 크기, 위치 등으로 가격을 유추하는 등
하나 혹은 그 이상의 변수가 특정 변수에 영향을 준다.
여기서 영향을 주는 변수를 X(독립변수),
영향을 받는 변수를 Y(종속변수, x에 따라 값이 달라지기 때문)라고 한다.
우리는 X를 이용해 Y를 예측하고 싶다.
이 때 우리는 선형 회귀, Linear Regression을 사용한다.
X가 1개면 단순 선형 회귀이고 수식으로 표현하면,
여기서 w는 가중치(weight), b는 편향(bias)이다.
X가 여러 개면 다중 선형 회귀이다.
출처:https://aegis4048.github.io/mutiple_linear_regression_and_visualization_in_python
막상 하면 모르니까 일단 하자.