Day 1: Regression — 예측의 예술

Source: Dev.to

회귀란 무엇인가?

회귀는:
과거 정보를 사용해 미래의 숫자를 예측하는 것.

예시

👉 출력이 숫자이면 → 회귀.

왜 회귀가 필요할까?

인간:

• 대충 추측한다
• 패턴을 잊어버린다
• 편향될 수 있다

기계:

• 모든 데이터를 기억한다
• 패턴을 명확히 본다
• 일관된 예측을 제공한다

그래서 기계가 과거 데이터를 학습하도록 하고 우리를 대신해 예측하게 한다.

입력 & 출력

회귀를 주스 머신에 비유해 보자.

예시

• 입력: 집 크기, 방 개수, 위치
• 출력: 집 가격

회귀는 “입력이 이렇게 생겼다면 → 출력은 보통 이렇게 된다”는 것을 학습한다.

회귀 vs 분류

📌 면접 규칙: 출력이 연속형이면 → 회귀.

실제 활용 사례

회귀는 어디에나 존재하며 조용히 작동한다.

지도학습

아이에게 수학을 가르친다고 생각해 보자. 선생님은:

• 문제를 보여준다
• 정답을 보여준다
• 틀린 부분을 고쳐준다

아이: “이런 문제가 나오면 보통 이런 답이 맞다.”
이것이 지도학습이다.

회귀에 적용하기

회귀에서는 기계가 아이가 된다.

• 입력: 집 크기, 방 개수, 위치
• 정답 출력: 실제 집 가격

모델은 “이 입력들이 함께 나타날 때, 가격은 이다”라고 학습한다.

정답을 이미 알고 있기 때문에 맹목적으로 추측하지 않는다; 우리는 정답을 제공하고 학습을 감독한다.

기억할 간단한 규칙: 데이터에 정답이 이미 있다면 → 지도학습.

작은 실제 비유

회귀 = 선생님이 숙제를 채점하는 것.
회귀는 라벨이 달린 데이터(정답이 알려진 데이터)에서 학습하기 때문에 지도학습 알고리즘이다.

간단한 직관 연습

휴대폰 가격을 생각해 보자.

• 입력: RAM, 저장 용량, 브랜드
• 출력: 가격

우리 뇌도 이미 회귀를 수행한다. 머신러닝은 이를 더 빠르고 정확하게 해준다.

3줄 요약 (꼭 기억하자)

• 회귀는 라벨이 아닌 숫자를 예측한다.
• 과거 데이터에서 패턴을 학습한다.
• 일상 생활에서도 이미 회귀를 사용하고 있다.

다음에 다룰 내용

이제 회귀가 무엇인지 알았으니, 다음 질문은:

“기계는 어떻게 최적의 예측을 학습할까?”

그 답은 선형 회귀에 있다.

👉 Day 2: How a Straight Line Learns From Data