소개

  • 2분

‘회귀’는 모델에서 숫자를 예측하는 위치입니다.

회귀는 가격, 수량, 크기 또는 기타 스칼라 숫자와 같이 숫자로 정량화할 수 있는 값을 예측할 수 있는 모델을 만드는 것이 목표인 기계 학습의 형태입니다.

회귀는 해석의 용이성, 견고성 및 계산 속도 때문에 과학에 있어 근본적으로 중요한 통계 기술입니다. 회귀 모델은 더 복잡한 기계 학습 기술의 작동 방식을 이해하는 데 탁월한 기초를 제공합니다.

실제 상황에서 특히 사용 가능한 데이터가 거의 없는 경우 회귀 모델은 예측에 매우 유용합니다. 예를 들어 자전거를 대여하는 회사에서 향후 지정된 날에 예상되는 대여 수를 예측하려는 경우 회귀 모델은 이 숫자를 예측할 수 있습니다. 대여된 날의 자전거 수, 기록된 계절, 요일 등과 같은 기존 데이터를 사용하여 모델을 만들 수 있습니다.

Diagram of weather and date features predicting cycle rentals.

필수 조건

  • 기본 수학 지식.
  • Python을 사용한 프로그래밍 경험.
  • Jupyter Notebook에 대한 친숙함

학습 목표

이 모듈에서는 다음을 수행합니다.

  • 회귀 모델을 사용하는 경우
  • Scikit-Learn 프레임워크를 사용하여 회귀 모델을 학습하고 평가하는 방법입니다.