🌲 이번에는 딥러닝이 아니라 머신러닝 회귀 알고리즘으로 BMI를 예측해봐요. BMI는 숫자 하나를 맞히는 문제라서 "회귀"를 골라요. AIDU ez에서는 학습 유형을 Regression으로 바꾸고, Output 칼럼에 BMI를 넣어요.
AIDU ez가 제공하는 회귀 알고리즘 5가지
아래 번호를 하나씩 눌러서 확인해 보세요.
📈 선형 회귀 (Linear Regression)
데이터를 가장 잘 지나가는 직선 하나를 찾아서 예측해요. 점들과 가장 가까운 선일수록 잘 맞는 선이에요.
👥 K-최근접 이웃 (K-Neighbors)
예측할 데이터와 가장 비슷한 이웃 K개를 찾아서, 그 이웃들의 값을 평균 내어 예측해요.
🌳 의사결정트리 (Decision Tree)
"성별이 남자야? 몸무게가 60kg 이상이야?"처럼 스무고개 질문으로 그룹을 나누고, 마지막 그룹의 평균으로 예측해요.
🌲 랜덤 포레스트 (Random Forest)
의사결정트리를 여러 그루(숲) 만들어서 각자 예측하게 한 뒤, 그 평균을 최종 예측으로 삼아요.
⚡ LightGBM
의사결정트리를 차례차례 이어서 앞 나무의 실수를 다음 나무가 고쳐가며 학습해요.
공부가 잘 됐는지 확인하는 방법
아래 번호를 하나씩 눌러서 확인해 보세요.
🔁 교차검증 (K-fold)
데이터를 K조각으로 나눠서, 한 조각은 시험용, 나머지는 공부용으로 번갈아 바꿔가며 K번 시험을 봐요. 그 점수들의 평균으로 실력을 확인해요.
📏 오차 지표 (MAE · MSE · RMSE)
예측값과 실제값이 얼마나 차이 나는지를 재는 점수예요. 숫자가 작을수록 좋은 모델이에요.
🎯 R² (결정계수)
0~1 사이의 숫자로, 모델이 데이터를 얼마나 잘 설명하는지 나타내요. 1에 가까울수록 좋은 모델이에요. (0.97이 0.65보다 훨씬 잘 설명해요.)
배운 내용 확인하기
Q5-8. BMI처럼 "숫자 하나"를 맞히는 문제를 풀 때 AIDU ez에서 선택하는 학습 유형은?
Q5-9. 회귀 모델의 오차 지표(MAE, MSE, RMSE)는 값이 어떨수록 좋은 모델일까요?
Q5-10. 결정계수(R²)가 0.97인 모델과 0.56인 모델 중 데이터를 더 잘 설명하는 모델은?