머신러닝 기초 6 - 회귀계수 축소법

회귀계수는 회귀선의 기울기를 뜻하고, 독립변수가 한 단위 변할때 종속변수에 미치는 영향의 크기를 뜻합니다.이 회귀계수를 왜 축소하는지, 그리고 대표적인 축소법에 Ridge와 Lasso가 있는데 이것은 어떤 원리로 작용하는 것인지 알아보겠습니다.이상적인 데이터먼저 이상적인 데이터란 무엇일까요?첫째, 독립변수 간의 상관성이 작아야 합니다. (다중공선성 문제 제거)둘째, 독립변수와 종속변수의 상관성은 높아야 합니다.셋째, 결측치나 noise가 없는 양질의 데이터입니다.위 그림과 같이 Y의 변동성을 잘 설명하면서, X들끼리는 상관관계가 없는 변수들이죠.회귀계수를 축소하는 이유회귀계수를 축소하는 이유는 영향력 없는 입력 변수..........

머신러닝 기초 6 - 회귀계수 축소법에 대한 요약내용입니다.

자세한 내용은 아래에 원문링크를 확인해주시기 바랍니다.

원문링크 : 머신러닝 기초 6 - 회귀계수 축소법