Machine learningMachine learning
선형 회귀 (ML)
선형 회귀는 하나 이상의 입력 특성과 연속적인 숫자형 결과 사이의 직선 관계를 예측 오차 제곱합을 최소화하여 적합시킵니다. 머신러닝 모델로서 레이블이 지정된 예제로 학습되고 보류된 데이터로 평가되므로, 모든 회귀 작업에 대한 가장 간단한 지도 학습 기준선이 됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 3). Springer. ISBN: 978-1-4614-7138-7
이 페이지 인용 방법
ScholarGate. (2026, June 3). Linear Regression as a Machine Learning Model. ScholarGate. https://scholargate.app/ko/machine-learning/linear-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 결정 트리머신러닝↔ compare
- 그래디언트 부스팅머신러닝↔ compare
- 로지스틱 회귀 (ML)머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 정규화 선형 회귀머신러닝↔ compare