Linear Regression Quiz

기본 이해

1. 다음 용어를 정의하세요:

   • 선형 회귀
   • 훈련 데이터
   • 특징 변수
   • 목표 변수
   • 손실 함수
   답안:

   - 선형 회귀: 주어진 데이터를 사용하여 특징 변수와 목표 변수 사이의 선형 관계를 분석하고, 이 관계를 기반으로 새로운 데이터의 결과를 예측하는 통계 기법입니다.
   - 훈련 데이터: 모델을 학습시키기 위해 사용되는 데이터로, 모델이 특징 변수와 목표 변수 간의 관계를 학습하는 데 사용됩니다.
   - 특징 변수: 입력 데이터로, 예측 모델에 제공되는 독립 변수입니다.
   - 목표 변수: 출력 데이터로, 모델이 예측하려는 종속 변수입니다.
   - 손실 함수: 모델의 예측 값과 실제 값 간의 차이를 측정하는 함수로, 모델을 최적화하는 데 사용됩니다.

2. Kaggle에서 급여 데이터를 다운로드하고 분석을 위해 준비하는 과정을 설명하세요.

   답안:

   Kaggle API를 사용하여 급여 데이터를 다운로드하고, 압축을 해제한 후 Pandas 라이브러리를 사용하여 CSV 파일을 DataFrame으로 로드합니다. 이 데이터에서 특징 변수와 목표 변수를 분리하여 분석을 준비합니다.

3. 경험 연수와 해당 급여의 데이터셋이 주어졌을 때, 이 데이터를 Pandas DataFrame에 로드하는 Python 함수를 작성하세요.
   답안:

   
         import pandas as pd
   
         def load_data(filepath):
         data = pd.read_csv(filepath)
         return data
         
   
         

4. 로드된 데이터를 특징 변수(경험 연수)와 목표 변수(급여)로 분할하는 Python 함수를 작성하세요.
   답안:

   
         def split_data(data):
            X = data.iloc[:, 0].values  # 특징 변수 (경험 연수)
            y = data.iloc[:, 1].values  # 목표 변수 (급여)
            return X, y
         
         

5. 경험 연수와 급여 간의 상관 관계를 결정하는 데 있어서 상관 계수의 중요성을 분석하세요. 상관 계수 0.9782는 이 맥락에서 무엇을 의미하나요?

   답안:

   상관 계수는 두 변수 간의 선형 관계의 강도를 나타냅니다. 상관 계수 0.9782는 경험 연수와 급여 간에 매우 강한 양의 선형 관계가 있음을 의미합니다. 이는 경험 연수가 증가할수록 급여도 증가하는 경향이 강하다는 것을 나타냅니다.

6. 강의 노트에 설명된 PyTorch를 사용하여 선형 회귀 모델을 구축하는 단계를 분석하세요.

   답안:

   PyTorch를 사용하여 선형 회귀 모델을 구축하는 단계는 다음과 같습니다:
   1. `torch.nn` 모듈을 가져와 선형 회귀 모델 클래스를 정의합니다.
   2. 생성자 메서드에서 `nn.Linear`를 사용하여 선형 계층을 정의합니다.
   3. 순전파 메서드에서 입력 데이터를 받아 예측 값을 계산합니다.
   4. 모델을 학습하기 위해 손실 함수를 정의하고 최적화 알고리즘을 설정합니다.
   5. 모델을 훈련 데이터에 맞추어 학습시킵니다.

7. 선형 회귀 모델의 정확성을 테스트하기 위한 실험을 설계하세요. 수행할 단계와 모델의 성능을 평가할 지표를 설명하세요.

   답안:

   **실험 설계:**
   1. 데이터를 수집하고 전처리합니다.
   2. 데이터를 훈련 세트와 테스트 세트로 분할합니다.
   3. 선형 회귀 모델을 구축하고 훈련 데이터를 사용하여 학습시킵니다.
   4. 테스트 데이터를 사용하여 모델의 예측을 수행합니다.
   5. 예측 값과 실제 값 간의 차이를 계산하여 성능을 평가합니다.
   6. 모델의 성능을 평가하는 지표로 평균 제곱 오차(MSE), 평균 절대 오차(MAE), 결정 계수(R²) 등을 사용합니다.

8. 선형 회귀 모델의 주요 목적은 무엇인가요?

   • A. 데이터를 다른 카테고리로 분류하는 것
   • B. 데이터 포인트에 가장 적합한 곡선을 찾는 것
   • C. 데이터 포인트에 가장 적합한 직선을 찾는 것
   • D. 데이터 포인트를 유사성에 따라 클러스터링하는 것
   답안:

   - **정답:** C. 데이터 포인트에 가장 적합한 직선을 찾는 것
   - **정답 이유:** 선형 회귀 모델은 주어진 데이터에서 독립 변수와 종속 변수 사이의 관계를 설명하는 최적의 직선을 찾는 것을 목적으로 합니다.

9. 다음 중 평균 제곱 오차(MSE) 손실 함수의 특성이 아닌 것은?

• A. 오차의 제곱의 평균을 측정한다.
• B. 선형 회귀 모델을 최적화하는 데 사용될 수 있다.
• C. 예측 값과 실제 값 간의 절대 차이를 계산한다.

• D. 예측 오차를 최소화하는 직선을 찾는 데 도움을 준다.

  답안:

  - **정답:** C. 예측 값과 실제 값 간의 절대 차이를 계산한다.
  - **정답 이유:** 평균 제곱 오차(MSE)는 예측 값과 실제 값 간의 차이의 제곱의 평균을 측정하는 손실 함수로, 절대 차이를 계산하지 않습니다.

1. 다음 코드는 무엇을 하나요? pd.read_csv('salary_dataset.csv', sep=',', header=0)

   • A. 첫 번째 행을 데이터로 사용하여 CSV 파일을 DataFrame으로 읽어들인다.
   • B. 첫 번째 행을 열 이름으로 사용하여 CSV 파일을 DataFrame으로 읽어들인다.
   • C. DataFrame의 데이터를 CSV 파일로 작성한다.
   • D. 열 이름을 CSV 파일로 작성한다.

답안:

- **정답:** B. 첫 번째 행을 열 이름으로 사용하여 CSV 파일을 DataFrame으로 읽어들인다.
- **정답 이유:** `pd.read_csv` 함수의 `header=0` 인자는 첫 번째 행을 열 이름으로 사용하여 데이터를 DataFrame으로 읽어들이는 것을 의미합니다.

1. 특징 변수와 목표 변수 간의 상관 관계를 시각화하는 데 있어서 산점도를 사용하는 이점은 무엇인가요?

답안:

산점도는 두 변수 간의 관계를 직관적으로 시각화할 수 있으며, 선형 관계의 강도와 방향을 쉽게 파악할 수 있게 해줍니다. 또한 이상치를 식별하는 데도 유용합니다.

1. 선형 회귀 모델을 학습할 때 손실 함수를 최소화하는 과정의 의미와 중요성을 설명하세요. 이 과정이 모델의 예측 정확도와 신뢰성에 어떻게 기여하는지 논의하세요.

답안:

손실 함수를 최소화하는 과정은 모델이 목표 변수와 예측 변수 간의 차이를 줄이기 위한 것입니다. 손실 함수가 최소화되면 모델의 예측 값이 실제 값에 더 가까워지며, 이는 모델의 예측 정확도를 높이고 신뢰성을 향상시킵니다. 이 과정에서 모델의 가중치와 바이어스를 조정하여 최적의 직선을 찾게 되며, 이를 통해 새로운 데이터에 대해서도 높은 예측 성능을 보일 수 있습니다.