ML에서 독립변인과 종속변인의 개념
일반적으로 독립변인과 종속변인의 개념을 "독립변인의 수준에 따라서 종속변인의 수치가 변화한다."고 표현할 수 있다. 이런 형태의 관계에는 실험, 그러니까 '독립변인의 조작'이라는 개념이 들어가 있다고 생각해 볼 수 있다. 행동심리학 실험들이 대표적인데, 제공된 마시멜로의 수(독립변인)에 따라 어린아이가 유혹을 참고 기다리는 시간(종속변인), 비둘기 모이가 제공되는 빈도(독립변인)를 조작하고 행동의 빈도를 측정(종속변인)하는 다양한 실험들이 있다. 이렇듯 실험 자체가 독립변인의 직접적인 조작을 통해 종속변인의 값을 얻는 데이터 수집 행위라고 할 수 있다.
하지만 앞으로 우리가 다룰 ML(Machine Learning)에서 독립변인과 종속변인의 개념은 약간 다르지 않을까 싶다. 예를 들어, 선형회귀의 연습을 위해 제공되는 집값 예측 데이터들에서 우리는 집 평수를 '조작'해서 가격을 얻지 않았다. 집 평수는 단순히 데이터의 feature일 뿐이고, 가격 역시 같은 feature들 중 우리가 선택하고 예측하려고 한 target일 뿐이다.
행동심리학 실험에서 독립변인에 따른 종속변인의 '종속'성을 가정하고 분석을 수행하는 방향이라면. 반대로 ML에서는 feature와 target의 관계를 추정한다는 개념이 아닐까 생각해 볼 수 있지 않을까? 그러니까 feature와 taget을 넣어주고 rule을 학습시킨다는 개념으로 독립변인과 종속변인을 생각해야 하지 않을까?
오늘 한 일
해야 할 일
Uploaded by Notion2Tistory v1.1.0