편향(Bias, b)의 의미

편향은 "입력이 0일 때의 기본값" 또는 "기본 출력"을 의미합니다.

y절편(intercept)과 같은 개념

y = wx + b
         ↑
      x=0일 때의 y값

        ↑ y
      6 |       /
      5 |      /
  b = 4 |·····/   ← y절편 (x=0일 때)
      3 |    /
      2 |   /
      1 |  /
        +─/────→ x
         0  1  2

실생활 예시: 택시 요금

요금 = (km당 1000원) × 거리 + 기본요금 4000원
        w = 1000                 b = 4000

• 거리가 0km여도 기본요금 4000원은 내야 함
• 이 "4000원"이 바로 편향(b)

편향이 없으면?

편향이 없는 모델 (y = wx):

y = 1000 × 거리 + 0
→ 거리가 0이면 요금도 0원 (택시는 무료?)

현실 데이터에는 보통 "기본값"이 존재하므로 편향이 필수입니다.

가중치(w) vs 편향(b)

모델 학습의 결과

학습된 모델은 항상 w와 b 두 개를 가집니다:

model.coef_       # w (기울기)
model.intercept_  # b (편향)

💡 핵심: 편향(b)은 데이터를 더 잘 맞추기 위한 "기본 출발점"입니다.