머신 러닝 선형 회귀

이 글은 머신러닝의 기본적인 알고리즘 중 하나인 선형 회귀에 대해 설명합니다. 선형 회귀는 하나 이상의 독립 변수와 종속 변수 간의 선형 관계를 모델링하는 기법입니다.

독립 변수가 하나인 단순 선형 회귀와 여러 개인 다중 선형 회귀로 나눌 수 있으며, 각각의 개념과 분석 과정을 예시와 함께 소개합니다. 특히, 독립 변수와 곱해지는 가중치(weight)와 별도로 더해지는 편향(bias)의 개념을 머신러닝 용어와 직선의 방정식에 빗대어 설명하며, 다중 선형 회귀에서는 집값 예측과 같이 여러 요인이 결과에 영향을 미치는 경우를 다룹니다.

이 글을 통해 선형 회귀의 기본 원리와 적용 방식을 이해할 수 있습니다.