회귀 개요

머신러닝의 일반적인 사용 사례는 유사한 이전 데이터로 학습된 모델을 사용하여 새 데이터의 숫자 측정항목 값을 예측하는 것입니다. 예를 들어 주택의 예상 판매 가격을 예측할 수 있습니다. 주택의 위치와 특성을 특징으로 사용하여 이 주택을 이미 판매된 유사한 주택과 비교하고 판매 가격을 사용하여 주택 판매 가격을 추정할 수 있습니다.

ML.PREDICT 함수와 함께 다음 모델을 사용하여 회귀를 수행할 수 있습니다.

• 선형 회귀 모델: MODEL_TYPE 옵션을 LINEAR_REG로 설정하여 선형 회귀를 사용합니다.
• 부스팅된 트리 모델: MODEL_TYPE 옵션을 BOOSTED_TREE_REGRESSOR로 설정하여 그래디언트 부스팅 결정 트리를 사용합니다.
• 랜덤 포레스트 모델: MODEL_TYPE 옵션을 RANDOM_FOREST_REGRESSOR로 설정하여 랜덤 포레스트를 사용합니다.
• 심층신경망(DNN) 모델: MODEL_TYPE 옵션을 DNN_REGRESSOR로 설정하여 신경망을 사용합니다.
• 와이드 앤 딥 모델: MODEL_TYPE 옵션을 DNN_LINEAR_COMBINED_REGRESSOR로 설정하여 와이드 앤 딥 러닝을 사용합니다.
• AutoML 모델: MODEL_TYPE 옵션을 AUTOML_REGRESSOR로 설정하여 AutoML 분류 모델을 사용합니다.

추천 지식

CREATE MODEL 문의 기본 설정과 ML.PREDICT 함수를 사용하면 ML 지식이 많지 않더라도 회귀 모델을 만들고 사용할 수 있습니다. 하지만 ML 개발에 대한 기본 지식이 있으면 데이터와 모델을 모두 최적화하여 더 나은 결과를 얻을 수 있습니다. 다음 리소스를 사용하여 ML 기법과 프로세스에 익숙해지는 것이 좋습니다.

• 머신러닝 단기집중과정
• 머신러닝 소개
• 중급 머신러닝