메뉴

글 검색

검색 데이터를 불러오는 중입니다.

Enter 글 열기

(AI) Regression

Oct 16, 2026 · 4min

#Regression#부모#종속변수#키가#회귀

목차

Regression

회귀(Regression, 回歸): 한 바퀴 돌아 제자리로 돌아옴

1889년 Francis Galton이 부모와 자녀의 키 사이의 상관관계를 연구하던 중 흥미로운 현상을 발견하였다.
키가 아주 큰 부모의 자녀는 부모보다 키가 작아지고, 반대로 키가 아주 작은 부모의 자녀는 부모보다 키가 커지는 경향이 있었다.
Francis Galton은 세대가 거듭되더라도 인간의 평균 키가 무한히 커지거나 작아지지 않고, 인류 전체의 평균키(평균값)으로 돌아가려는 경향이 있다는 것을 발견하였다.

이 현상을 '평균을 향한 회귀(Regression toward the mean)'라고 불렀다.

Regression의 기본용어

Regression의 방정식
Regression의 방정식

변수(Variable): 개별 데이터마다 다른 값을 가질 수 있는 양.
종속변수(Dependent Variable): 어떤 요인에 영향을 받아 값이 변하는 변수. 반응변수, 결과변수라고도 부름.
독립변수(Independent Variable): 종속변수(결과)애 영향을 주는 변수. 설명변수라고도 부르며, 입력 값 또는 특징 벡터(feature vector)라고도 부름.
계수(Coefficient): 독립변수의 변화가 종속변수에 미치는 영향력을 나타내는 값으로, 데이터로부터 추정해야함. 가중치(Weight)라고도 부름.

오늘날 Regression

y=w0+w1xy = w_0 + w_1 x

관측된 데이터를 바탕으로 독립변수 x와 종속변수 y 사이의 관계를 모델링하여, 데이터의 추세를 파악하거나 새로운 값을 예측하는 통계적 방법이다.
이 관계를 모델링하기 위해 주어진 데이터로부터 파라미터(가중치와 절편)를 추정한다.

Linear Regression

선형 회귀(Linear Regression): 독립변수와 종속변수 사이의 관계가 선형(linear)이라고 가정하는 회귀 분석 방법.

기본적인 선형회귀는 입력과 예측 값의 관계를 선형적인 형태로 나타내는 회귀 방법이다.
w0w_0와 w1w_1의 값에 따라 다양한 형태의 단순 선형회귀 모델을 만들 수 있는데, 실제 값과 예측 값의 차이인 오차가 가장 작은 직선이 주어진 데이터의 경향성을 가장 잘 나타내는 가장 좋은 직선이라고 할 수 있다.

이 글은 크리에이티브 커먼스 라이선스 4.0을 준수합니다.