
157
6
장
빅쿼리 ML로 선형 회귀 모델 학습시키기
빅쿼리
ML
로
선형 회귀 모델 학습시키기
6
CHAPTER
이 장은 전력 생산량 예측을 예로 들어 선형 회귀 모델과 신경망 모델을 밑바닥에서부터 구축
하는 방법을 다룹니다. 데이터 분석에는
SQL
, 데이터 탐색에는 주피터 노트북,
ML
모델 학습
에는 빅쿼리
ML
을 사용합니다. 이 과정에서 데이터를 이해하는 새로운 방법과 모델의 성능 개
선에 새로운 방법을 어떻게 적용하는지에 관한 내용을 배웁니다.
6.1
비즈니스 사용 사례: 전력 생산량
이 프로젝트의 목표는 발전소 인근의 기상 조건을 고려해 복합화력발전소(
CCPP
)의 시간당 전
기 에너지 순생산량을 예측하는 것입니다.
CCPP
는 가스터빈, 증기터빈, 열회수 증기 발생기로 구성됩니다. 전기는 가스터빈과 증기터빈
에서 생성되며, 이 두 터빈은 하나의 사이클로 결합해 작동합니다. 증기터빈에서 진공이 수집
되는 동안, 나머지 세 가지 외부 환경 변수(온도, 외부 압력, 상대 습도)는 가스터빈의 성능에
영향을 미칩니다.
이 절에서 사용하는 데이터셋은
CCPP
에서
6
년간(
2006
-
2011
) 수집한 데이터를 포함합니다.
이 기간에 발전소는 최대 부하로 운영되었습니다. 데이터는 시간 단위로 집계되었으나, 기록된
기상 조건과 에너지 생산에 관한 정확한 시간은 포함되지 않았습니다. ...