상관관계 분석

• 연속형 변수로 측정된 두 변수 간의 선형적 관계를 분석하는 기법
• A 변수가 증가함에 따라 B 변수도 증가되는지 혹은 감소하는지를 분석
• 선형적인 관계 정도를 나타내기 위해 상관계수를 사용

상관분석에서 알아보자 하는 것

• 선형관계를 갖는가
• 성형관계를 갖는다면 어느 방향인가
• 관계는 얼마나 큰가
  

피어슨 상관계수

• 두 변수의 선형 관계를 측정함
• -1 ~ 1 로 반환. 1은 완벽한 양의 선형 관계, -1은 완벽한 음의 선형 관계
  

대표 문제 유형 Summary

• 일반적으로 머신러닝/딥러닝을 활용해 해결하려는 현업의 문제 유형은 정해져 있음

회귀분석

목표

• 회귀 문제의 목표는 독립변수 X와 종속 변수 Y 간의 관계를 모델링하여, 주어진 독립 변수에 대한 종속 변수의 값을 예측
• ex) Y는 집값 X는 준공년도, 지역 등

원리

• 선형 회귀는 독립 변수와 종속 변수 간의 선형 방정식을 찾아내는 방법으로, 주어진 데이터를 가장 잘 설명하는 최적의 회귀 계수를 찾고, 이를 통해 새로운 독립 변수 값에 대한 종속 변수 값을 예측할 수 있음

Metric

• 평균 제곱 오차(Mean Squared Error, MSE). MSE는 예측값과 실제값 사이의 차이를 제곱하여 평균한 값.
• 모델의 예측 정확도를 측정함. MSE가 작을수록 모델의 예측이 더 정확하다고 판단.
• R제곱(R squared) 값도 자주 사용되는 평가 지표.
• 종속 변수의 총 변동성 모델이 설명할 수 있는 변동성의 비율을 나타냄.
• 1에 가까울수록 모델이 데이터를 잘 설명한다고 판단됨

대표 알고리즘

• 선형회귀(Linear Regression), 다항회귀, 릿지 회귀, 라쏘 회귀, 엘라스틱넷

회귀분석이란?

• 머신러닝의 가장 큰 목적은 실제 데이터를 바탕으로 모델을 생성해서 다른 입력 값을 넣었을 때 발생할 아웃풋을 예측하는 데 있음
• 우리가 찾아낼 수 있는 가장 직관적이고 간단한 모델은 선(line)
• 데이터를 관찰하고 데이터를 잘 설명할 수 있는 선을 찾는 분석 방법을 선형회귀라고 함

y = ax + b

• 베타 0은 오차에 대한 부분을 관리한다고 보면 됨. 기울기로 설명할 수 없는 부분을 채워줌

• SST는 가지고 있는 데이터의 변동성. SSR은 모델이 설명할 수 있는 변동성