머신러닝이란 컴퓨터가 데이터를 기반으로 학습할 수 있도록 하는 수학적 모델을 구축하는 것을 의미한다. 이러한 머신러닝은 우리 일상 전반에 활용되고 있으며 특히나 앞으로의 값을 예측하는 선형회귀는 다양한 곳에서 활용된다. 이책 역시 머신러닝에 대한 전반적인 개념을 다루기에, 선형회귀에 대한 내용 역시 등장한다. <br>일반적 선형회귀란 하나의 특성을 가지고 라벨값 또는 타깃을 예측하기 위한 회귀 모델을 찾는 것을 말한다 한다. 하지만 회귀모델을 만들 때, 단 하나의 특성만 가지고 있다면 실생활에서 충분한 예측능력을 보이는 모델을 만들기는 상당히 어렵다. 예를 들어 아이스크림의 판매 수요를 예측한다 했을 때 아이스크림의 판매량은 요일마다 판매량이 다를 수도 있고, 기온 뿐만 아니라 비가 오거나 눈이 오는 상황도 판매량에 영향을 미칠 것이다. 이러한 특성을 동시에 고려해야 보다 정확한 예측 모델을 만들 수 있기에, 하나의 특성이 아닌 여러 개의 특성을 활용하는 다중 선형 회귀를 이용한다. 이중 라쏘 선형회귀가 책에서 등장하는데, 라쏘 선형회귀란 각 요소의 가중치의 합이 0이 되는 조건을 붙인 선형 회귀다. 이러한 라쏘 선형회귀는 크게 두가지 장점이 있다. 첫번째는 제약 조건을 통해 일반화된 모형을 찾는다는 것이다. 두번째는 가중치들이 0이 되게 하므로써 그에 해당하는 특성들을 제외해준다. 따라서 결과적으론 모델에서 가장 중요한 특성이 무엇인지 알게되는 등 모델 해석력이 좋아진다고 한다. 머신러닝에 대한 개념은 이미 20세기에 등장한 개념이지만 이는 오늘날 빛을 발해 생활 전반에서 사용된다. 관련분야로써의 진출을 희망하는 학생으로써 이에 대해 보다 알아가는 계기가 됬으면 한다.