연속적인 값을 예측하는 회귀 모델

회귀(Regression) 모델은 입력 데이터를 분석하여 연속적인 수치를 예측합니다.

분류 모델처럼 입력 데이터를 단순히 특정 범주(Class)로 분류하는 것이 아닌, 특정 입력이 주어졌을 때 그에 대응하는 수치 값을 예측합니다.

예를 들어 회귀 모델은 미래의 주식 가격을 예측하거나, 특정 날의 기온을 예측하는 데 활용될 수 있습니다.

회귀 모델이 예측할 수 있는 값은 연속적으로 변화할 수 있습니다.

예를 들어 온도를 예측하는 모델은 출력값이 특정 숫자로 정해지는 것이 아닌, 23.5°C, 24.1°C, 25.3°C 등 다양한 실수 값이 될 수 있습니다.

Copy
입력: 날씨 데이터 → 출력: 23.5°C (예측 기온)

회귀 모델의 예측값은 단순한 클래스가 아닌 수치적으로 해석 가능한 값입니다.

예를 들어 학생의 시험 점수를 예측하는 모델은 합격 또는 불합격을 판단하는 것이 아닌, 82.7점과 같은 예상 점수를 출력합니다.

회귀 모델은 예측할 값의 특성에 따라 여러 가지 유형으로 나뉩니다.

하나의 입력 변수(특징)를 사용하여 하나의 출력 값을 예측하는 모델입니다.

예를 들어, 면적을 기반으로 주택 가격을 예측하는 모델이 이에 해당합니다.

Copy
입력: 주택 면적 → 출력: 예상 가격

여러 개의 입력 변수(특징)를 사용하여 하나의 출력 값을 예측하는 모델입니다.

예를 들어, 면적, 방 개수, 위치 등을 기반으로 주택 가격을 예측하는 모델이 이에 해당합니다.

Copy
입력: (면적, 방 개수, 위치) → 출력: 예상 가격

회귀 모델의 성능을 평가할 때는 앞서 배운 정확도보다 평균 제곱 오차(Mean Squared Error, MSE), 평균 절대 오차(Mean Absolute Error, MAE), R² 결정 계수 등의 지표를 사용합니다.

모델이 예측한 값이 실제 값과 얼마나 가까운지를 평가하는 것이 중요하기 때문입니다.

다음 수업에서는 회귀 모델의 성능을 평가하는 지표에 대해 자세히 알아보겠습니다.