TIL

집 사이즈에 따른 가격을 예측하는 One Variable Regression을 생각해보자. 데이터의 분포를 보면, 예측하려는 직선값이 안 나타날 수도 있다. (사이즈와 가격이 비례하지 않음) 이때, 변수값을 그대로 곱하는것이 아닌 루트x나 x의 거듭제곱, sinx 등 x를 변환한 값을 새로운 칼럼으로 추가하여 예측모델을 생성할 수 있다. 이를 다중회귀하면 된다.(lost function, gradient descent 수행하면 됨) 파이썬에서 사이킷런의 PolynomialFeatures를 사용할 수 있다. from sklearn.preprocessing import PolynomialFeatures https://scikit-learn.org/stable/modules/generated/sklearn.p..

과거 데이터 기반으로, 입력 주어졌을 때 출력(예측값)이 나와야 한다. 예측하고자 하는 변수 = target variable(타겟 변수) 타겟 변수가 실수이면 = regression problem, 타겟 변수가 카테고리 변수이면 = classification (대표적인 방법론: 로지스틱 회귀) 이 둘은 supervised learning(지도 학습)이다. unsupervised learning(비지도 학습)에는 clustring(k-means) 등이 있다. 선형회귀 Linear Regression - 종속 변수 𝑦와 한개 이상의 독립 변수 𝑋와의 선형 관계를 모델링(=1차로 이루어진 직선을 구한다)하는 방법론 - 최적의 직선을 찾아 독립 변수와 종속 변수 사이의 관계를 도출하는 과정 독립 변수= 입력 값..