COURSE
4
PROGRESS
1 / 14
단원 데이터 구조화: AI 전처리 17 데이터의 규칙: 예측 로직 14 옷의 시너스: 판단 로직 1 예와 아니오: 판단 로직 6 닮은꼴 찾기: 관계 로직 7 최적의 경로: 강화 로직 7 층층이 지능: 신경망 로직 7 전체 목록
다음 문제

회귀(Regression)의 의미

30 P
QUESTION 01 #403
머신러닝에서 "회귀(Regression)"가 의미하는 것으로 가장 적절한 것은?
다음 중 옳은 것을 고르세요

회귀(Regression)란?

회귀는 머신러닝에서 연속된 숫자(실수)를 예측하는 방법입니다.

일상 속 회귀 예시

문제 입력(X) 예측 결과(y)
집값 예측 [평수, 위치, 층] 5억 2천만원
시험 점수 예측 공부 시간 87점
아이스크림 판매량 기온 250개
키 예측 [부모 키, 나이, 성별] 173.5cm

결과가 모두 연속된 숫자(실수)입니다.

회귀가 아닌 것 (분류 Classification)

문제 결과 분류
이메일 스팸 여부 스팸 / 정상 분류
합격/불합격 합격 / 불합격 분류
동물 사진 인식 강아지 / 고양이 / 새 분류

결과가 카테고리(범주)입니다.

핵심 비교

회귀:  ?원   ← 연속된 숫자
      87점
      250개

분류:  스팸 ← 정해진 카테고리 중 선택
      정상

왜 "회귀(Regression)"라고 부를까?

원래 19세기 통계학자 골턴(Galton)이 "키 큰 아버지의 자녀는 평균으로 회귀한다"는 현상을 연구한 데서 유래합니다. 지금은 단순히 "수치 예측"을 의미하는 용어로 자리 잡았습니다.

💡 핵심: 결과가 숫자면 회귀, 카테고리면 분류입니다.