베이지안 선형 회귀는 선형 모델에서 베이지안 추론을 통한 사후 분포 계산으로 값을 예측하는 방법이다. 앞서 poserior, 사후 분포를 통해서 회귀 예측을 하기 때문에 예측값에 대한 신뢰 구간을 구할 수 있다. 따라서, 베이지안 선형 회귀는 사용자가 예측 값의 신뢰성을 확보할 수 있다는 장점이 있다. n 개의 데이터 D가 있디고 하자. 데이터 D는 입력 벡터 x에 대한 출력값 (목표값) y로 이루어져 있다. 입력 벡터 x에 대한 선형 모델은 f(x) = xTw이다. 선형 함수는 f(a+b)=f(a)+f(b), f(ca)=cf(a) (c는 상수) 두 조건을 만족해야 하기 때문이다. 여기서 w는 가중치 벡터이다. 선형 모델에서 구하고자 하는 출력 변수 y에 노이즈 ε가 존재한다고 가정하면, y = f(x) + ε = wx + ε이다. 이때, 노이즈는 평균이 0이고 분산이 σn2인 정규분포를 따른다고 추가로 가정하자. 베이지안 선형 회귀는 위 선형 모델에서 주어진 데이터를 기반으로 하여...
#기계학습
#베이지안회귀
#회귀모델
원문링크 : 베이지안 선형 회귀 (Bayesian linear regression)