AI 머신러닝 선형회귀 Linear Regression - SSE, SSR, SST, 결정계수 (R squared), 수정된 결정계수 (adjusted R squared)

안녕하세요. SW 개발자 쪼맹 입니다. 오늘도 제가 알고 있는 소박한 지식을 공유 해보고자 합니다. 앞에서 선형회귀 모형과 회귀직선(회귀식)을 알아보았습니다. 그리고 학습데이터와 수학적 모형을 통해 회귀식의 계수를 추정하는 방법에 대해서도 이야기 하였습니다. 그렇다면 추정한 회귀식이 얼마나 정확한지 어떻게 표현할 수 있을까요? 위 의문에 답을 주는 것이 결정계수 입니다. 이번에는 결정계수에 대해서 알아보고자 합니다. 결정계수 (R Squared) : 선형회귀 모형을 통해 구한 회귀 직선, 회귀 식의 적합도라고 볼 수 있습니다. 값은 0 ~ 1 사이의 값을 가집니다. 1 에 가까울 수록 더 적합하다고 볼 수 있습니다. 1 에 가까울 수록 회귀 직선과 측정된 표본 값 들이 더 가깝다는 것을 나타냅니다. 조금 더 풀어서 표현해보면, 1 에 가깝다는 것은 측정된 표본들과 (학습 데이터) 회귀 직선을 통해 알 수 있는 선형 회귀 모형의 예측 값의 (추정 값) 잔차 (차이, residual) ...

원문링크 : AI 머신러닝 선형회귀 Linear Regression - SSE, SSR, SST, 결정계수 (R squared), 수정된 결정계수 (adjusted R squared)