• 목록

[일시] 2024.01.12

[세미나 주제] Moving Beyond Linearity

[요약]
Linear models은 해석력에 있어서 장점을 보이나, 예측력 측면에서 한계를 지닌다. Linear models은 선형성 가정을 전제로 한다.  데이터가 선형적이라는 가정은 데이터가 복잡한 경우(비선형적인 경우) 데이터의 구조를 전부 설명하지 못한다는 단점이 있다.
해당 챕터에서는 (1) 선형회귀를 확장한 방법인 Polynomial Regression, (2) 변수의 범위를 일정 구간으로 나눈 후, 각 구간에서 서로 다른 상수를 사용하여 데이터의 지역적인 특성을 파악하는 Step Function, (3) Polynomial Regression와 Step Function을 확장한 Regression Splines, (4) Penalty를 주어 Regression Splines의 Overfitting 문제를 해결한 Smoothing Splines, (5) 특정 지역의 훈련 관측치만을 이용하여 비선형 함수를 적합하는 Local Regression, (6) Single predictor X 와 Response Y 간의 관계를 유연하게 모델링하는 Generalized Additive Models를 통해 Linear Model이 가지고 있는 한계점을 보완한다.

[참고 서적]
- An Introduction to Statistical Learning

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/dV_fxPgxY5sJYyr2mH5RfICa8BvOopJXz_Xqevmq1E_H3vBs8nuBN6pdjli49QA.izvj2xcAbIRFYGuZ