개발자를 위한 필수 수학

195

5

장

선형 회귀

무작위성은 나쁜가요?

코드를 실행할 때마다 다른 답이 나오는 무작위성이 불편한가요? 머신러닝, 최적화, 확률 알고리즘의 세계에

오신 것을 환영합니다! 근삿값을 계산하는 많은 알고리즘은 무작위성을 기반으로 합니다. 어떤 알고리즘은 매

우 유용하지만 엉성하고 성능이 좋지 않은 알고리즘도 있습니다.

많은 사람이 머신러닝과 인공지능을 객관적이고 정확한 답을 제공하는 도구로 생각하지만 이는 사실과 거리

가 멉니다. 머신러닝은 어느 정도 불확실성이 있는 근삿값을 생성하며, 제품 환경에서는 정답이 없는 경우가

많습니다. 머신러닝이 어떻게 작동하는지 이해하지 못하면 잘못 사용될 수 있습니다. 비결정론적이고 근사적

인 특징을 인정해야 합니다.

무작위성은 강력한 도구를 만들 수 있지만 남용될 수도 있습니다. 시드

seed

값과 무작위성을 사용해 좋은 결

과를 얻기 위해

p

해킹을 하지 않도록 주의하고, 데이터와 모델을 분석하는 데 노력을 기울이세요.

5.6

상관 계수

[그림

5

-

11

]에 있는 산점도

scatterplot

와 선형 회귀 직선을 함께 살펴보세요. 이 데이터에 선형 회

귀가 잘 맞지 않는 이유는 뭘까요?

그림

5-11

분산이 높은 데이터의 산점도

CAUTION

196

개발자를 위한 필수 수학

여기서 문제는 데이터의 분산이 크다는 것입니다. 데이터가 매우 널리 퍼져 ...