릿지 / 라쏘 회귀 (Ridge & Lasso)
규제를 더해 복잡한 데이터에서도 과적합을 막고 핵심 변수를 찾아냅니다.
모델 설정
약함 (Alpha=0)강함 (Alpha=1)
* 릿지/라쏘는 변수의 크기에 민감하므로 단위를 맞추는 표준화가 필수적입니다.
Data Source
데이터 업로드
분석 리포트 및 성능 시각화
변수를 선택해 주세요
모델 개념 (Model Concept)
가중치의 크기를 억제하는 규제(Regularization)를 더해 모델의 복잡도를 조절하고, 본 적 없는 새로운 데이터에 대해서도 안정적인 예측을 수행할 수 있도록 돕는 선형 모델입니다.
릿지 / 라쏘 가이드
릿지 (Ridge - L2)
가중치의 제곱합을 최소화하여 각 변수의 영향력을 골고루 줄입니다. 변수가 많고 서로 관련이 높을(다중공선성) 때 안정적인 예측을 도와줍니다.
라쏘 (Lasso - L1)
가중치의 절대값 합을 최소화하며, 중요도가 낮은 변수의 가중치를 정확히 0으로 만듭니다. 수많은 변수 중 핵심만 추려야 할 때 매우 유용합니다.
표준화의 중요성
규제는 가중치의 크기를 줄이는 방식이므로, 변수들의 단위(Scale)가 다르면 모델이 왜곡됩니다. 반드시 [데이터 표준화]를 켜고 분석하는 것을 권장합니다.
기술적 특징 (Technical Detail)
좌표 하강법 (Coordinate Descent)
Lasso의 비미분 가능성을 해결하기 위해 각 변수를 하나씩 최적화하는 수치적 해법을 적용했습니다. 연산 효율이 매우 높습니다.
연속적인 규제 최적화
선택한 Alpha 값에 따라 수학적 손실 함수를 실시간으로 재구성하여 최적의 오차 지점을 찾아냅니다.
모델 일반화 성과 리포트
검증용(Test) 데이터셋을 통한 R² 산출로 모델 성과를 분석합니다.