통계학 ) 회귀와 머신러닝에서의 회귀의 목적은 같은 것일까 이에 대한 여러분의 의견을 쓰고 그 이유에 대해 사례를 들어 설명하시오.

목차

1. 통계학에서의 회귀
2. 머신 러닝에서의 회귀
3. 이들의 목적
4. 참고문헌 및 자료

본문내용

1. 통계학에서의 회귀
회귀분석(regression analysis)에서 ‘회귀(regression)’이란 용어는 19세기 프랜시스 갤턴(Francis Galton)이 키 큰 선대 부모들이 낳은 자식들의 키가 점점 더 커지지 않고, 다시 평균 키로 회귀하는 경향을 보고서 발견한 개념이다. 이를 통계학 용어로는 ‘평균으로의 회귀(regression toward mean)’이라고 한다. 통계학에서의 ‘회귀분석’이란 여러 변수 사이의 경향성을 분석하는 방법이라고 할 수 있다. 조금 더 구체적으로 말하자면 이 변수들이 있을 때 한 변수의 값이 다른 변수의 값을 설명할 수 있도록 두 변수의 관계를 수식으로 표현하고, 이 수식에 들어가는 숫자들을 데이터로부터 추정하는 분석을 회귀분석이라고 한다. 보통 회귀분석에는 두 개의 변수가 있는데, 첫 번째 변수는 ‘설명 변수 또는 X 변수’라고 한다. 이 설명 변수를 이용해서 다른 변수의 값이 어떻게 산출될지를 설명한다. 그러면 다른 변수는 설명이 되는 변수, 즉 ‘반응 변수’가 된다. 혹은 그냥 Y 변수라고 부르기도 한다. 그래서 설명 변수인 X가 반응 변수인 Y를 설명하고, 반응 변수인 Y가 설명 변수인 X의 값에 따라서 반응하는 관계가 되도록 수식을 세워놓는 것이 회귀분석의 기본이다. 때에 따라서 독립 변수와 종속변수라는 용어를 사용하기도 한다. 설명 변수는 독립 변수, 반응 변수는 종속 변수이다. 이러한 회귀분석은 한 가지 정해진 분석 방법을 이야기하는 것이 아니고 여러 가지 종류가 있다.

참고자료

· 회귀분석, 커뮤니케이션 통계 방법, 저자 류성진, 커뮤니케이션북스, 2013.2.25. 참조
· 머신 러닝, 두산백과
· 머신 러닝, 한경 경제용어사전, 한국경제신문 한경닷컴 참조
· 딥러닝, 용어로 보는 IT, 글 오원석, 제공 블로터 참조
· 머신 러닝, 국립중앙과학관-사물인터넷, 국립중앙과학관 참조
· 한겨레 임백준 기자, ‘머신러닝의 시대’, 2015.4.6. 18:52 기사 참조