1. 다중공선성 (Multicollinearity)의 개념 및 문제점 개념 통계학의 회귀분석에서 여러 독립변수 간 강한 상관관계가 나타나는 현상 문제점 상관관계가 높은 독립변수들의 회귀계수 표본오차 증가, 추정성능 저하 공선성은 독립변수들 간 정확한 선형관계가 존재하는 완전공선성과 독립변수 간 높은 선형관계가 존재하는 다중공선성으로 구분 2. 공선성의 유형 및 문제 발생여부 진단 기법 (1) 공선성의 유형 유형 영향도 완전공선성 – 두 독립변수가
1. 차원의 저주(Curse of Dimensionality)의 개념 개념도 ① 데이터 차원 증가 시 같은 데이터 밀도를 유지하기 위해 필요한 데이터 양 증가 ② 필요한 데이터 양 미충족 시 데이터 밀도 감소로 인한 데이터 분석/처리 문제 발생 일반적인 차원의 저주 데이터의 차원이 증가함에 따라 데이터의 밀도가 낮아져서 데이터 분석의 효율성과 정확도가 감소하는 현상 인공지능 분야 차원의 저주
1. 독립변수와 종속변수 간 상관관계, 회귀분석 (1) 회귀분석의 개념 관찰된 변수 집합에서 독립변수와 종속변수 간 상관관계를 함수식으로 표현 및 검증하는 분석기법 (2) 회귀분석 모형의 가정 구분 구성요소 변수 선형성 – 독립변수와 종속변수 관계는 선형적 오차 정규성 – 오차의 기대값은 ‘0’이며, 정규분포 오차 독립성 – 오차들은 서로 독립적 2. 회귀분석 모델/구성요소 및 분석 유형 (1) 회귀분석 모델/구성요소 모델 구성요소 설명 독립변수 입력값, 원인 변수 종속변수 독립변수