회귀 기계 학습 시나리오 식별
회귀는 원하는 결과를 예측하기 위해 변수 간의 관계를 이해하는 데 사용되는 기계 학습의 한 형태입니다. 회귀는 숫자 레이블, 변수에 따른 결과 또는 기능을 예측합니다. 예를 들어 자동차 판매 회사는 자동차의 특성(예: 엔진 크기, 좌석 수, 주행 거리)을 사용하여 가능한 판매 가격을 예측할 수 있습니다. 이 경우 자동차의 특성이 특징이며 판매 가격은 레이블입니다.
회귀는 모델이 학습을 통해 특징 조합을 레이블에 ‘맞추도록’ 레이블에 대한 특징과 알려진 값을 모두 포함하는 데이터를 사용하여 모델을 학습하는 ‘지도(supervised)’ 기계 학습 기법의 예입니다. 그러고 나서, 학습이 완료된 후 학습된 모델을 사용하여 레이블이 알려지지 않은 새 항목에 대한 레이블을 예측할 수 있습니다.
회귀 기계 학습 모델에 대한 시나리오
회귀 기계 학습 모델은 많은 산업에서 사용됩니다. 몇 가지 시나리오는 다음과 같습니다.
- 평방 피트와 방의 수와 같은 주택의 특성을 사용하여 주택 가격을 예측합니다.
- 날씨 및 토양 품질과 같은 농장 조건의 특성을 사용하여 작물 수확량을 예측합니다.
- 광고 로그와 같은 과거 캠페인의 특성을 사용하여 향후 광고 클릭 수를 예측합니다.