비트코인 통계학으로 돌파해보자! 선형 회귀 채널!

비트코인 통계학으로 돌파해보자! 선형 회귀 채널!

 

선형 회귀는 통계학과 머신러닝에서 널리 사용되는 예측 모델링 기법 중 하나입니다. 

이것은 종속 변수와 하나 이상의 독립 변수 간의 관계를 모델링하는 데 사용됩니다. 

종속 변수는 예측하려는 대상이며, 독립 변수는 종속 변수를 예측하는 데 사용되는 입력 변수입니다.

선형 회귀에서는 종속 변수와 독립 변수 간의 관계를 선형으로 가정합니다. 

이것은 간단히 말해, 독립 변수와 종속 변수 간의 관계가 직선 형태로 표현될 수 

있다는 것을 의미합니다. 따라서 선형 회귀 모델은 데이터의 패턴을 직선으로 

설명하려고 시도합니다.

선형 회귀 모델은 주어진 데이터에 적합한 직선을 찾는 과정으로 학습됩니다. 

이 직선은 데이터 포인트와 가능한 한 가깝게 위치하도록 조정됩니다. 

일반적으로 선형 회귀 모델은 잔차 제곱의 합을 최소화하는 방식으로 최적화됩니다. 

이를 통해 모델은 주어진 데이터에 가장 잘 적합되는 직선을 찾을 수 있습니다.

선형 회귀는 예측 모델링 뿐만 아니라 변수 간의 관계를 이해하고 설명하는 데에도 유용합니다. 

또한 새로운 데이터에 대한 예측을 생성하는 데에도 사용될 수 있습니다. 

종속 변수가 연속형인 경우에 선형 회귀가 적합하며, 분류 문제에는 일반적으로 사용되지 않습니다.

 

이와 같은 특성을 이용해 트레이딩에서도 참고 할 수 있습니다.

 

어떤 경우에라도 투자의 최종적인 책임은 투자자 본인에게 있습니다.