다중선형회귀란 무엇인가 — 변수 2개면 평면, 3개면 초평면
다중선형회귀는 입력 변수 여러 개로 결과를 예측하는 회귀입니다. 변수가 늘면 직선이 초평면이 되는 이유, 각 계수가 다른 변수를 고정한 채의 효과라는 점, 푸는 방법이 OLS인 이유, 변수를 무작정 늘릴 때 생기는 과적합까지 정리했습니다.

다중선형회귀는 입력 변수 여러 개로 결과를 예측하는 회귀입니다. 변수가 늘면 직선이 초평면이 되는 이유, 각 계수가 다른 변수를 고정한 채의 효과라는 점, 푸는 방법이 OLS인 이유, 변수를 무작정 늘릴 때 생기는 과적합까지 정리했습니다.

회귀 성능지표는 만든 회귀식이 얼마나 잘 맞히는지 재는 잣대입니다. 단위가 살아있는 MAE, 비율로 보는 MAPE, 이론이 쓰는 MSE와 RMSE, 평균 대비 얼마나 나은지 보는 결정계수 R²까지 정리했습니다.

단순선형회귀는 두 변수의 관계를 하나의 직선으로 요약해 예측하고 변수의 영향력까지 읽어내는 방법입니다. 오차와 잔차의 차이, 잔차제곱합을 최소로 만드는 최소제곱법, 기울기 해석까지 핵심만 정리했습니다.

머신러닝은 데이터 속에 숨은 패턴을 찾아 수식으로 표현하고, 그 식으로 새 값을 예측하는 방법입니다. 공학 공식과 방향이 반대인 이유, 입력·출력 변수의 여러 이름, 출력의 형태가 회귀와 분류를 가르는 원리까지 정리했습니다.

상관분석은 두 변수가 같은 방향으로 움직이는지 방향과 세기를 읽는 방법입니다. 공분산이 왜 단위에 휘둘리는지, 그 단위를 지운 상관계수가 어떻게 -1에서 1 사이 값이 되는지, 왜 산점도를 반드시 함께 봐야 하는지 정리했습니다.

등분산 검정은 여러 집단의 흩어짐이 같은지 확인하는 절차로, ANOVA의 전제를 지키는 문지기다. 정규분포면 Bartlett, 아니면 Levene — 두 검정의 선택 기준과 결과 해석, 전제가 깨졌을 때의 대응까지 정리했다.

분산 검정은 평균이 아니라 흩어짐(산포)이 변했는지 확인하는 가설검정이다. 단일 집단은 카이제곱, 두 집단은 F검정 — 표본분산도 흔들리는 값이라는 직관부터 계측기 산포 비교 예시까지 2가지 절차로 정리했다.

카이제곱 검정은 불량률이 아주 작아 z검정을 못 쓸 때 분할표로 여러 집단의 비율을 비교하는 검정이다. 기대도수 계산법, ‘기대도수 5 미만 셀 20%’ 분기 조건, Fisher 정확검정으로 넘어가는 기준까지 예시로 정리했다.

비율 검정은 불량률·합격률처럼 ‘전체 중 몇 개’가 변했는지 확인하는 가설검정이다. 불량 개수가 이항분포를 따르는 이유, 정규근사 조건 np·nq≥10, 두 집단 비교의 pooled 비율까지 4단계 예시로 정리했다.

크루스칼 왈리스 검정은 데이터가 비정규이고 표본이 적어 ANOVA를 못 쓸 때, 순위로 3개 이상 집단을 한 번에 비교하는 비모수 검정이다. H 통계량이 카이제곱 분포를 따르는 구조와 판정 4단계를 쉬운 예시로 정리했다.