[음악] 회귀분석을 통한 주택 가치 예측을 꽤 상세히 다뤘는데 회귀분석은 다른 다양한 분야에도 응용될 수 있습니다 몇몇 예를 들어보죠 하나는 이 기계학습 특화과정을 마친 후 받게 될
연봉 예측입니다 이 특화과정을 열심히 공부해서 멋진 직장을 잡아 아주 높은 연봉을
받게 된다고 하죠 하지만 정확히 얼마가 될지는 여러 가지에 좌우될 수 있는데 특화과정 내 여러 수업에서의
성적은 어떠했는지와 캡스톤 프로젝트의 품질이 어떠했는지 포럼 답글은 몇 개 썼는지 이렇습니다 연봉 y 모자를 예측할 때 각각 절편과 수업 성적, 캡스톤 프로젝트 품질, 포럼 참여도 성적 가중치를 나타내는 모델 파라미터 w0, w1, w2, w3를 예측합니다 모델 파라미터를 예측할 때 과거 수업을 들었던 다른 학생의 연봉이 어땠는지, 어떤 직장을 잡았는지 관찰결과를 살펴봅니다 회귀분석은 주가 예측에도 적용됩니다 내일 주가는 최근 주가의 움직임에 연관되어 있을지도 모릅니다 뉴스, 세계에서 벌어지는 여러 사건, 관련 원자재 가격 등에 연동됩니다 주가 예측이나 특화과정 수료 후 연봉과
아주 다른 영역의 응용을 예로 들자면 트위터에서 트윗을 했을 때 몇 명이 최종적으로 방금한 트윗을
리트윗할지를 들 수 있습니다 추종자 숫자와 추종자의 추종자 숫자, 트윗한 텍스트의 여러 특징, 해시태그의 인기도, 과거 트윗의 리트윗 숫자 등에 달려있을지
모릅니다 이런 형식의 모델은 트윗의 최종 리트윗 숫자 예측을 꽤 정확히 해냅니다 또 다른 응용을 들자면 스마트 하우스가 있어 엄청난 수의 센서가 달렸는데 이를 통해 여러 장소의 온도 조절, 통풍구, 창문 블라인드 등을 제어할 수 있다고 칩시다 서재에 책상이 있는데 다양한 설정을 조절했을 때 책상 곁의 온도가 어떤지 예측하고 싶다고 합시다 하지만 사실 책상 곁에는 센서가 없습니다 그러기 위해서 공간 모델 설정으로 여러 곳의 온도를 예측해볼 수 있습니다 온도 조절 장치 설정, 블라인드의 개폐 여부, 실외 온도, 통풍구 설정, 시간대 등의 특징에 좌우되겠지요 이 강의에서 다루는 회귀분석은 그저 빙산의 일각만에 불과하지만
무척 강력한 도구라는 사실을 이해하셨으면 좋겠습니다 [음악]